책정리

- 가장 큰 위험은 어떤 위험도 감수하지 않는 것이다. 급변하는 세상에서 위험을 감수하지 않는 건 곧 실패로 이어진다. (마크 주커버그)
- 다른 분야처럼 의료 분야에서도 인공지능과 인간의 융복합이 중요함. 또한 인공지능이 의사를 온전히 대체할 수도 없다. 구글에서 의료 인공지능을 연구하는 릴리 펭 프로덕트 매니저 역시 의사와 인공지능의 조합은 의료분야 문제를 개선하는 좋은 해결책은 될 수 있지만 명확한 판단을 내리기 어려운 영역이 있기 대문에 이를 인공지능으로 완전히 대체하긴 어렵다고 말한다. 하지만 머신러닝을 통해 반복작업을 수행하거나 의사의 판단을 돕는 좋은 도구는 될 수 있다고 했는데, 이는 데이터는 많지만 전문지식이 적은 분야에서 머신러닝 활용도가 높기 때문. 인공지능은 사람에 비해 월등히 많은 데이터를 짧은 시간에 훑어보고 파악할 수 있고, 사람은 기계로만 판단할 수 없는 세밀한 부분을 살펴볼 수 있는 능력이 있다. 따라서 서로 협력을 통해 의료 서비스가 더욱 발달하게 된다면 앞으로 못 고칠 병이나 놓치고 지나칠 병은 획기적으로 줄어들 수 있을 것이다. 이것이야말로 인공지능과 사람의 긍정적 협업의 모습일 것이다.
- 아마존 고 매장 천장에 달린 100여대의 고해상도 CCTV와 센서를 통해 무인상점이 이루어짐. 센서가 부착된 카메라가 고객의 동선을 따라다니며 구매목록을 확인하는 것이다. 이런 인공지능 무인점포는 중국에도 있음. 알리바바 그룹이 선보인 타오카페가 그것이다. 알리바바 그룹이 보유한 빅데이터아 인공지능 기술이 활용된 무인편의점으로 ,아마존 고와 비슷한 형태다. 타오바오 앱과 알리페이 앱만 있으면 현금이나 카드가 없어도 이용할 수 있으며, 매장 이용법도 아마존과 거의 동일하다. 타오카페를 시작으로 중국의 많은 기업들이 무인매장을 선보이고 있는데, 베이징에 위치한 중국 제2의 전자상거래인 징둥의 X무인슈퍼는 안면인식 기술까지 더해진 매장이다.아마존 고와 동일하게 매장에 들어가기 전에 앱을 깔고 QR코드를 활용하는데, 이때 고객의 얼굴과 QR코드를 매칭하는 작업이 이루어진다. 여기에 안면인식이 적용되는 것이다. 다음에 방문할 땐 핸드폰이 없어도 안면인식으로 출입이 가능하다. 결제는 계산구역에서 카메라로 얼굴 사진을 찍으면 이루어진다. 이 점이 아마존 고와는 차별화된 방식이다. 첫 방문 이후부터는 안면인식기술로 출입과 결제가 모두 가능한 것이다.
- JR동일본은 18년 10월부터 2개월간 동경 아카바네역에서 무인매점을 시범운영했음. 이용방법은 아마존고와 비슷한데, 스마트폰앱이 아닌 일본에서 대중적으로 이용되는 스이카 같은 교통카드를 입구에서 찍고 들어갈 수 있다는 점이 다르다. 물건을 골라 담고 매장에서 나올 때 카드를 한번 더 찍으면 자동으로 계산이 끝나고 열린 문으로 나올 수 있다. 매장 천장에 설치된 20대의 카메라가 3명으로 제한된 매장 내 고객들을 정확히 구분하고 매대마다 달려 있는 6대의 카메라가 구매물건을 촬영함. 수차례 들었다 놨다를 반복하거나 엉뚱한 곳에 가져다 놓아도 구매를 위해 갖고 나온 제품을 정확하게 계산해준다. 19년 9월 국내에서도 신세계 I&C가 계산대 없는 무인점포를 선보였다. 운영방식은 아마존고와 유사함
- 에드몽 등 벨라미의 초상화는 파리의 예술공학단체 오비우스의 프로그래머들이 개발한 것으로 14-20세기 그림 1만 5천여 작품을 학습한 끝에 이 그림을 그려냈다. 이 학습에는 상호 경쟁 방식의 생성적 대립 신경망 기술이 사용되었다. 쉽게 말하자면, 어떤 단어를 제시하고 그것을 그림으로 그려보라고 했을 때 사라들의 경우 자신만의 상상력으로 서로 다른 그림을 그려내듯, 인공지능 또한 스스로 학습한 결과에 해당하는 이미지를 그려내는 것이다. 이 방식은 14년에 처음 등장했는데, 객체에 대한 개념을 이해한 인공지능은 사람의 개입없이 실제와 똑같이 그려내게 된다. 인공지능을 구현하는 머신러닝은 사람이 데이터를 제공하고, 이에 대한 학습결과도 사람이 확인한다. 그러나 GAN의 경우는 다르다. 대립 쌍을 이루는 두 개의 네트워크가 서로 상호 대립과정에서 훈련 목표를 자동으로 생성하고 학습시킨다. 즉 인공지능 스스로가 반복적으로 평가하고 수정하며 데이터 자체에서 정보와 지식을 얻는다고 할 수 있다.
- 렘브란트는 인공지능과 친숙한 화가인 것 같다. 렘브란트로 오해할 만한 오비우스는 그림과는 달리 아예 렘브란트의 화풍을 그대로 살려낸 더 넥스트 렘브란트도 등장했기 때문이다. 인공지능 화가인 더 넥스트 렘브란트는 마이크로소프트로와 렘브란트 미술관, 네덜란드의 과학자들이 개발한 안면인식기술을 활용하는데, 렘브란트의 작품분석을 통해 얻은 데이터를 토대로 그가 자주 사용한 구도, 색감, 유화의 질감까지 그대로 살려 3D 프린팅으로 그림을 그려낸다. 렘브란트가 활용했던 붓질, 비례와 음영기법뿐 아니라 물감을 아낌없이 사용하는 화가로 유명했던 그만의 특성까지 그대로 느낄 수 있다. 여기에 딥러닝 기능으로 스스로 데이터를 쌓고 학습하며 원하는 형태의 그림을 그린다. 이를 통해 이 인공지능 화가는 렘브란트가 그렸던 수많은 40대 남성의 평균치인 한 남자의 초상화를 그려낸다. 그리하여 이 그림은 16년 세상을 놀라게 한 그림이 되었다.
- 구글의 인공지능화가 플랫폼인 딥드림은 특정 이미지를 입력하면 그 이미지를 재해석하여 반 고흐 화풍으로 그려준다. 결과물이 마치 꿈을 꾸는 듯한 추상적인 이미지를 닮았다고 하여 그 이름도 딥드림이다. 대상에 제한이 없어 내 사진을 업로드해 딥드림이 재해석한 고흐풍의 작품을 얻을 수도 있다. 16년 3월 미국 샌프란시스코에서는 딥드림을 통해 그려진 29점의 그림을 소개하는 전시회도 열렸다. 이렇게 창조적인 작품활동이 가능했던 것은 딥드림이 수백만개의 이미지를 소화하고 학습하여 이를 시각적 패턴으로 새롭게 창조할 수 있었기 때문이다.
- 인공지능이 너무 글을 잘 쓰는 바람에 오히려 비공개를 결정한 사례도 있음. 인공지능을 우려하는 일론 머스크 드잉 세운 오픈AI가 개발한 글짓기 인공지능이 바로 그것이다. 글짓기 인공지능인 GPT-2는 기사, 학교과제 등 모든 분야의 글짓기가 가능하다. 무려 800만개의 인터넷 페이지 속 15억개 단어를 학습한 GPT-2는 사용자가 특정 문장을 넣으면 그와 자연스럽게 연결되는 문장을 논리정연하게 만들어낸다. 이는 책 한페이지 분량을 어색하지 않게만들어낼 정도이며 인간과 유사한 수준이라고 한다. GPT-2의 글끄시 실력은 오픈AI 홈페이지에서 확인할 수 있는데, 기존 소설 중 한 문장을 넣으면 원작소설에는 없는 새로운 문장을 만들어낸다. 물론 그 문장은 전체적으로 작품 분위기와 유사한 것들로 이루어진다. 이처럼 능력이 너무 출중해 이를 악용할 여지가 있다 하여 원천 기술을 비공개하기로 결정한 것이다 모든 연구결과와 기술을 무료로 공유해온 오픈AI의 첫 비공개 사례다
- 인간에게 쉬운 것은 컴퓨터에게 어렵고, 반대로 인간에게 어려운 것은 컴퓨터에게 쉽다. (모라벡의 역설)
- AI가 보급된 사회에서 가장 희소성을 갖는 것은 타인과 공감할 수 있는 힘을 가진 인간이다. (사티아 나델라)
- 머신러닝의 경우 인간이 먼저 처리한다. 컴퓨터가 인식할 수 있도록 주어진 데이터를 알맞게 분류하는 것을 사람이 먼저 하고, 그 다음 컴퓨터가 데이터에 포함된 특징을 분석하여 그 내용을 축적한다. 이렇게 축적된 데이터를 바탕으로 이미지의 특징을 종합해 답을 내는 것이 머신러닝이다. 딥러닝은 이 머신러닝에서 사람이 하던 일도 모두 컴퓨터가 수행한다. 컨벌루션 신경망을 이용하여 스스로 분석한 후 답을 내는 것이다. 이렇게 서로 다른 특징을 보이는 머신러닝과 딥러닝은 사용하는 데에도 차이가 있다. 머신러닝의 경우는 자신의 연구를 포함시킬 여지가 남아 있고 처리시간이 짧은 반면, 딥러닝은 이용자의 많은 지식과 노력이 없어도 높은 정밀도를 얻을 수 있는 특징이 있다. 아울러 딥러닝과 머신러닝은 전문가에 따라 다르게 개념화하기도 한다. 토마 디트리히는 유럽에서 머신러닝은 엔지니어링에 감성을 결합한 기술의 형태에 뿌리를 두고, 미국에서는 인공지능이 대중의 인기를 바탕으로 한 과학소설의 느낌을 반영하고 있다고 이야기한다. 미국 국립과학재단의 정보 및 지능형 시스템 부문 책임자인 린 파커는 머신러닝은 데이터의 추세나 범주를 인식해 적절한 예측을 가능하게 하고, 딥러닝은 깊은 신경망, 즉 여러 계층에 배열된 대규모 신경시스템을 이용하여 학습하는 것을 의미한다고 말한다. 딥러닝은 인공지능에 있어서 현재 가능 진화된 알고리즘이다. 딥러닝을 통해 인공지능이 사람처럼 판단할 수 있으니 얼마나 대단한가. 또한 앞으로 얼마나 엄청난 결과를 가져올 것인지 쉽게 예측하기도 어렵다. 하지만 그럼에도 불구하고 문제는 존재한다. 인공지능도 간혹 어처구니없는 실수나 오류를 범할 때가 있다. 그런데 그 오류의 원인을 즉각적으로 알지 못하거나, 인공지능이 딥러닝을 통해 어떻게 이런 결정을 했는지 개발자조차 파악하지 못하는 경우가 있을 수 있다. 이것을 바로 인공지능 블랙박스라 부름. 이 때문에 설명가능한 인공지능(XAI, expalinable AI) 연구가 이어지고 있다. XAI는 인공지능 시스템의 동작과 최종결과를 해석하여 결과물이 생성되는 과정을 설명해주는 기술이다. 인공지능이 제대로 판단하고 있는지 차트와 분석을 통해 사용자에게 자세한 설명을 제공하는 것이다. 이를 통해 인공지능 블랙박스의 한게를 극복할 수 있다.
- 사업에 쓰이는 기술 모두에 적용되는 첫번째 규칙은, 효율저인 작업을 위해 적용된 자동화 방식은 효율을 극대화시킨다는 점이다 두번째는, 비효율적인 작업을 위해 적용된 자동화방식은 비효율화를 극대화시킨다는 것이다. (빌 게이츠)
- 기존 사업을 과거와 같은 방식으로 지속하는 것은 앉아서 재난을 기다리는 것과 같다. (피터 드러커)

- 데이터와 메타데이터에 관해, 데이터가 내용이라면 메타데이터는 맥락이라는 식으로 생각할 수 있다. 메타데이터는 특히 전체적으로 수집될 경우에 데이터보다 훨씬 더 많은 것을 말해줄 수 있다. 특정 인물을 감시할 경우에는 대화와 문자 메시지, 이메일 내용이 메타데이터보다 중요할 수 있음. 하지만 집단 전체를 감시하고 있다면 메타데이터가 훨씬 더 의미있고 중요하고 유용하다. NSA에서 법률 고문으로 일한 스튜어트 베이커는 이렇게 말했다. "메타데이터는 누군가의 삶에 관한 모든 것을 완벽하게 말해준다. 메타데이터를 충분히 갖고 있다면, 내용은 필요하지 않다." NSA와 CIA에서 국장을 지낸 마이클 헤이든도 14년에 "우리는 메타데이터에 기반해 사람들을 죽인다"고 말했다. 하나는 내용, 하나는 맥락이라 크게 다를 것이라는 생각은 착각에 가깝다. 어쨌든 그것은 우리에 대한 데이터이기 때문이다.
- 감시가 눈에 보이지 않는 곳에서 이루어지기 때문에 그것을 무시하기도 쉬워짐. 그리고 더욱 거슬리는 감시 체제일수록 눈에 보이지 않는 곳에서 작동할 가능성이 더 높아짐. 우리는 대부분 사무직 채용을 앞두고 실시되는 약물검사는 거부할 테지만, 많은 기업은 채용가능성이 있는 모든 지원자를 상대로 사생활 침해적인 신원조회를 실시한다. 마찬가지로 한 번도 상대한 적이 없거나 들어본 적도 없는 수백 개 업체에게 인터넷에서 추적을 당하는 것은 메모지를 들고 사람들을 쫓아다니는 100명의 시장조사원보다 훨씬 더덜 거슬리게 느껴진다. 어떤 의미에서 우리는 아주 특이한 시대에 살고 있다. 아직은 많은 감시 체계가 우리 눈에 보이기 때무이다. 신분증 검사는 흔한 일이 되었지만 아직은 신분증을 보여달라고 요구해야 한다. 카메라는 도처에 있지만 아직 우리는 그 카메라들을 볼 수 있다. 가까운 미래에는 이런 감시체계가 눈에 보이지 않게 될 것이기 때문에 우리는 자신도 모르는 사이에 더욱 더 많은 감시를 묵인하게 될 수도 있다.
- 제러미 벤담은 1700년대 말에 돈이 많이 안드는 교도소를 짓는 방법으로 파놉티콘을 생각해냄. 그가 제안한 교도소는 모든 수감자가 자기도 모르는 사이에 언제나 감시당할 수 있는 교도소였다. 수감자는 자신이 항상 감시당하고 있다고 생각할 수밖에 없기 때문에 순응하게 된다. 이 개념은 인터넷에서든 아니든 개인 데이터의 대량 수집을 의미하는 은유로 사용되었음. 인터넷에서 감시는 어디에나 존재한다. 모든 사람이 항상 감시당하고 있고, 그 데이터는 영원히 저장되고 있다. 정보시대의 감시국가가 바로 이런 모습이며, 이 국가는 벤담이 꿈도 꾸지 못할 정도로 효율적이다.
- NSA가 휴대폰 데이터를 이용하는 방식을 보여주는 사례
(1) 휴대폰 위치정보를 이용하여, 이동경로가 서로 교차하는 사람들을 추적. 예를 들어 앨리스라는 여성에게 관심이 있다 치자. 어느날 저녁에 밥이 앨리스와 같은 식당에 있었고, 일주일 뒤에 앨리스와 같은 커피숍에 있었고, 한달 뒤에 같은 공항에 있었다면, 그 둘이 전자기기로 연락한 적이 없다고 해도 NSA 시스템은 밥을 앨리스의 잠재적 공모자로 표시함
(2) 해외에서 미국 요원들이 갖고 다니는 휴대폰 위치를 추적. 그런 다음 요원들의 전화 주위를 따라다니는 다른 휴대폰이 있는지 판단. 그 요원들을 미행하는 사람이 있는지 확인하는 것이다.
(3) 휴대폰 메타데이터를 통해 켜졌다가 잠시 사용되고 다시 꺼진 뒤 절대로 사용되지 않은 전화기를 찾아냄. 그리고 사용패턴을 통해 그 전화기들을 한데 엮는다. 이 기법은 적발되지 않으려는 사람들이 사용하는 대포폰을 찾아내는 데 이용됨
(4) 누가 전화를 끄는지, 그리고 얼마 동안 끄고 있는지에 관한 데이터를 수집. 그런 다음 전화를 껐을 때 그 사람들의 위치를 수집하고 그 주변에서 비슷한 시간동안 똑같이 전화를 끈 사람들을 찾아냄. 은밀한 만남을 찾아내는 것이다.
- 단 한번의 실수가 당신을 노출한다.
(1) 미국 정부와 기업들을 대대적으로 공격한 중국의 군사 해커들은 공격을 실행할 때 사용한 네트워크 인프라스트럭처를 통해 페이스북에 접속한 탓에 신원이 밝혀졌다
(2) 11년, 국제해커집단인 룰즈섹 지도부 일원이던 엑토르 몬세구르는 그들의 수많은 상업용 네트워크 해킹 협의를 수사중이던 FBI에 의해 발각되어 체포됨. 몬세구르는 대체로 컴퓨터 보안에 철저했고 자신의 신분을 보호하기 위해 익명의 중계 시스템을 사용했지만, 딱 한 번 실수를 저지르고 말았다. 수사관은 그가 채팅 중에 무심코 신분을 드러낸 틈을 타서 그의 자동차가 나오는 유튜브 영상을 찾아낼 수 있었고, 결국 그의 페이스북 페이지를 찾아냈다.
(3) 데이비드 퍼트레이어스 CIA국장과 불륜관계였던 폴라 브로드웰은 각별히 주의해서 자기 신분을 감췄다. 그녀는 자기집 네트워크에서는 절대로 익명의 이메일을 보내지 않았다. 대신 호텔이나 다른 공공장소의 네트워크를 이용. FBI는 여러 호텔의 체크인 데이터를 연관시켰고, 결국 그녀의 이름이 공통으로 등장한다는 사실을 알아냈다.
(4) 미국 법 집행기관의 웹사이트를 해킹한 혐의로 수배대상에 오른 어나니머스 소속 해커 w0rmer는 익명의 트위터 계정을 사용했다. 그런데 그 트위터 계정에는 아이폰으로 찍은 한 여인의 가슴사진이 링크되어 있었다. 사진에 담긴 GPS정보에 따르면 사진이 찍힌 곳은 오스트레일리아의 한 주택이었다. 그리고 e0RMER가 다시 한번 등장한 웹사이트에서 '이히니오 오초아'라는 이름이 언급되었다. 결국 경찰은 오초아의 페이스북 페이지를 찾아내어 그에게 오스트레일리아인 여자친구가 있다는 정보를 확인했다. 여자친구의 사진은 이 모든 사단의 단초가 된 맨 처음 사진과 일치했다. 경찰은 w0rmer 즉 오초아를 체포했다.
- 언뜻 생각하기에는 납득이 안 되겠지만, 신원을 알아내는 데는 우리가 생각하는 것만큼 많은 데이터가 필요하지 않다. 아무리 평범하다고해도 각자의 고유한 특징은 있기 마련. 사람들이 가장 많이 보는 순서대로 100개의 영화를 제거하고 나면 각자의 영화습관은 상당히 고유하다고 함. 독서습관과 인터넷 쇼핑습관, 전화습관, 인터넷 검색 습관에도 해당하는 이야기다. 우리가 맺는 인간관계에 의해서도 고유하게 식별됨. 당연히 위치정보로도 우리 각각을 식별할 수 있음. 휴대폰이 쉼 없이 발생시키는 위치정보를 이용하면 아주 큰 어려움 없이 이름을 알아낼 수 있다. 사실 그 데이터 전체가 필요하지도 않다. 단 네 개의 시간, 날짜, 위치정보로도 미국인 중 95%의 이름을 식별해낼 수 있다.
- 안타깝게도 확실한 대책은 부족함. 기업들은 일부 데이터를 제거하고 타임스탬프를 수정하거나 이름을 대체하는 ID 번호에 고의로 오류를 포함시키는 방법으로 데이터세트의 신원을 숨겨왔다. 하지만 이 정도 조치로는 신원 식별과정이 약간 더 어려워질 뿐이다. 그래서 개인식별정보라는 개념에 근거한 규제는 통하지 않는 것이다. PII는 주로 이름이나 고유의 계정번호 등으로 정의되며 여기에는 특별한 규정이 적용된다. 하지만 개인식별정보는 데이터의 양이 문제이기도 함. 익명의 정보라도 당신에 관한 정보를 가지면 가질수록 당신을 식별하기는 점점 더 쉬워짐. 대체로 개인정보 보호는 기술이나 수학에 의해서가 아니라 우리가 이용하는 기업의 프라이버시 정책에 따라 제한받음. 그리고 고유번호로 식별하는 방식으로는 그다지 보호가 되지 않는다. 데이터는 여전히 수집되고 연관 지어져서 사용될 수 있으며, 결국 우리는 언제든 무심코 그 익명의 데이턱 기록에 우리의 이름을 부착하게 된다. 모두가 시시때때로 우리에 대한 데이터를 수집함에 따라 도처에서 감시가 이루어지는 시대에서는 익명성이 취약할 수밖에 없다. 우리는 익명성을 지키기 위해 더욱 확실한 기법을 개발하든지, 아니면 익명성이라는 개념 자체를 완전히 포기해야 한다.
- 전통적으로 인터넷 감시는 쿠키라 불리는 것에 기초함. 쿠키라는 이름은 친근하고 무해하게 들리니, 끈질긴 식별자라는 기술적 설명이 훨씬 더 정확하다. 쿠키는 원래 감시가 아니라 웹서핑을 용이하게 하려고 만들어졌다. 본질적으로 웹사이트는 당신이 여러 번 방문하거나 클릭해도 기억하지 못한다. 쿠키는 이런 문제의 해결책이다. 각각의 쿠키에 고유번호가 들어 있는 덕에 사이트는 당신을 식별할 수 있다. 따라서 지금 당신이 어느 인터넷 쇼핑몰 사이트에서 여기저기 클릭하고 있다면, 당신은 내가 8*WHLG 고객입니다 라고 계속 이야기하고 있는 것이다. 그 덕에 사이트는 당신의 계정을 찾아내서 장바구니를 당신에게 계속 붙여놓고 다음번 방문했을 때도 기억할 수 있다. 기업들은 자신들의 쿠키를 다른 사이트에 속한 페이지에도 설정할 수 있음을 재빠르게 간파했다. 물론 그 사이트의 허락을 받고 돈을 치러야 했지만 말이다. 그 결과 제3사 쿠키가 탄생. 더블클릭 같은 업체들은 서로 다른 여러 사이트에서 웹 사용자들을 추적하기 시작. 이때부터 광고는 인터넷에서 사람들을 따라다니기 시작. 특정 자동차나 휴가지, 질병이름을 검색하면 당신이 방문하는 모든 상업적 인터넷 사이트에서 그 자동차나 도시, 의약품 광고를 몇 주간 보게될 것이다. 그리고 이것은 충격적일 정도로 광범위하고 확실하고 수익성 높은 감시 체계로 발전. 당신은 수많은 기업과 데이터브로커 업체에 의해 가는 곳마다 추적당하고 있다. 어느 사이트에서는 열 개의 업체들이, 다른 사이트에서는 스무개의 업체들이 당신을 추적하고 있다. 페이스북은 좋아요 버튼으로 모든 사이트에서 당신을 추적한다. 그리고 구글은 구글 플러스 +1 버튼이 있는 사이트나 웹 트래픽을 모니터링하기 위해 구글 애널리틱스를 사용하는 모든 사이트에서 당신을 추적한다.
- 스마트폰에 깔린 앱들도 당신을 추적. 그 앱들은 당신의 위치를 추적하고, 가끔은 당신의 주소록, 캘린더, 북마크, 검색내력을 다운로드함. 13년 제이지와 삼성은 특정앱을 다운로드한 사람들에게 발매 전인 제이지의 새 앨범을 들을 수 있게 해주는 대신, 스마트폰에 등록된 모든 계정을 보고 전화기의 위치를 추적하고 통화중인 상대를 추적하는 권한을 요구. 그리고 앵그리버드는 사용자가 게임을 하지 않을 때도 위치정보를 수집한다.
- 컴캐스트같은 브로드밴드 업체들도 자사 사용자들을 감시. 지금은 사용자가 저작권이 있는 노래와 영상물을 불법으로 다운로드하는지를 모니터링하는 작업에 치중하고 있지만, 다른 분야에도 곧 적용될 것임. 버라이즌, 마이크로소프트 같은 업체들은 사용자의 방에서 무슨 일이 일어나고 있는지 모니터링해서 그 정보를 근거로 광고를 제공하는 셋톱박스를 연구중. 빅 브라더 대신 고자질쟁이 리틀 브라더가 수백명 있는 것이다.
- 오늘날 인터넷 감시는 쿠키보다 훨씬 더 끈질기다. 사실상 소규모의 군비경쟁이 벌어지고 있는 셈인데, 당신의 브라우저는 쿠키를 차단하거나 삭제하는 광범위한 통제방법을 갖추고 있으며, 많은 사람들이 그 기능을 만든다. 대표적으로 두낫트랙미가 가장 인기 있는 브라우저 플러그인 중 하나다. 이런 플러그인이 인터넷 감시산업은 플래시 쿠키로 대응해왔다. 기본적으로 쿠키와 비슷한 파일인데 어도비 플래시 플레이어와 함께 저장되어 브라우저가 쿠키를 삭제할 때도 남아 있음. 이것들을 차단하려면 플래시 블록을 설치하면 됨. 하지만 이에 맞서 에버쿠키나 캔버스 핑거프린팅, 쿠키 싱킹 같이 난해한 이름이 붙은 방법들이 속속 등장하여 당신을 추적한다. 마케팅 분야에서만 그러는 것도 아니다. 14년 발표된 연구에 따르면, 백악관 웹사이트는 자체적 프라이버시 방침을 어겨가면서 에버쿠키를 사용했다
- 93년 이전에 인터넷은 완전히 비영리였고 무료가 온라인의 규범이었음. 상업적 서비스가 처음 인터넷에 등장하면서 서비스 요금을 부과할 방법에 관한 논의가 활발해짐. 그리고 곧 이어 투자나 포르노 웹사이트같은 몇 가지 단발적 상황을 제외하고는 사람들이 인터넷 접속비용을 지불할 의사가 전혀 없음이 확실해짐. 결국 텔레비전 사업모델과 아주 흡사하게 광고가 유일하게 타당한 수입원으로 부상했고, 감시는 그 광고를 더욱 더 돈벌이가 되는 사업으로 만들었다. 웹사이트들은 방송광고보다 개인을 겨냥한 광고에 더 높은 가격을 청구할 수 있다. 결국 우리는 서비스를 받는 대신 우리의 데이터를 수집하여 판매한 뒤 다시 광고로 우리를 공격하는, 명목상의 공짜 시스템을 얻고 말았다. 공짜는 특별한 가격이다. 심리학에서는 사람들이 공짜 앞에서 이성적으로 행동하지 않음을 입증하는 다양한 연구가 이루어졌다. 사람들은 공짜의 가치를 과대평가한다. 그래서 공짜 물건이 있으면 필요 이상으로 소비함. 그러면서 다른 사람들에게도 그것을 소비하라고 압박. 공짜는 비용대 편익에 관한 정상적 의식을 왜곡함. 그래서 결국 우리는 자신의 정보를 내주는 대신, 그 가치보다 더 적은 것을 받는다. 프라이버시의 가치를 과소평가하는 이런 경향은 고의로 사람들이 프라이버시에 무관심하게 만들려는 기업들에 의해 악화됨. 우리는 페이스북에 로그인할 때 얼마나 많은 개인정보를 페이스북에 드러내는지도 모르면서 친구들과 대화를 나눈다. 아침에 일어나서 자신이 어떻게 하루종일 수많은 기업들이 자신을 추적하게 놔둘지도 모르고 그냥 주머니에 휴대폰을 집어넣는다. 그 결과 인터넷 업체들은 사용자의 프라이버시를 축소함으로써 실제 고객에게 제공하는 상품을 개선할 수 있다. 페이스북은 프라이버시 방침을 정기적으로 업데이트하여 사용자의 데이터에 대한 접근권을 더 많이 확보하고 사용자의 프라이버시를 축소하면서 여러 해에 걸쳐 이 작업을 체계적으로 해왔다. 또 더 많은 사람들이 사용자의 이름과 사진, 게시물은 물론 사용자가 올린 사진과 좋아요 등을 볼 수 있도록 초기 설정을 바꾸었음. 구글도 똑같았다. 12년 구글은 대대적 변화를 선언했는데, 검색, 지메일, 유튜브, 구글 플러스 등에서 얻은 사용자의 데이터를 사용자에 대한 하나의 거대한 데이터 세트에 통합하겠다는 내용이었다. 애플은 이 부분에서 다소 예외적인 기업이다. 애플의 성격은 소비자 제품을 판매하는 업체이며, 애플은 아이클라우드 사용자의 이메일과 문자 메시지, 캘린더, 주소록, 사진을 감시할 수 있는데도 그렇게 하지 않음. 애플은 사용자가 좋아할 만한 노래나 영상을 추천하는 데만 아이튠즈 구매정보를 이용한다. 14년말부터 애플은 이 사실을 시장 차별화 요소로 내세우기 시작했다.
- 데이터 브로커 업체들은 당신이 거래하는 기업들에게서 개인정보를 사들인 뒤, 당신에 관해 더 많은 것을 알고 싶어 하는 기업들에게 다시 판다. 데이터 브로커들은 전산화의 물결을 제대로 활용함. 당신이 더 많은 데이터를 만들어낼수록 그들은 더 많은 데이터를 수집하고 더 정확하게 당신의 프로필을 만든다. 데이터브로커들이 보유한 정보는 놀라울만큼 폭넓고 자세하다. 그들은 이름, 주소, 전화번호, 이메일 주소, 성별, 연령, 혼인여부, 자녀의 연령, 교육수준, 직업, 소득수준, 정치적 성향, 운전하는 차종, 집이나 다른 재산에 관한 정보 등의 인구통계학상의 정보를 수집함. 그리고 구입한 물건, 구입시기, 지불방법까지 수집하며, 가족내 사망자나 이혼, 질병도 추적. 그리고 인터넷에서 무엇을 하는지에 관해서도 모든 정보를 수집함. 데이터 브로커 업체들은 데이터를 이용하여 당신을 팔릴만한 여러 범주로 나눔. 잠재 상속인, 고령의 부모를 둔 성인, 당뇨병에 관심이 많은 가구, 노년기 요구가 있는 가구 등등이다. 이런 것을 액시엄이 제공해줄 수 있다.
- 전체적으로는 인터넷 광고비는 증가하고 있지만 단일 광고의 가치는 급격히 떨어지고 있다. 이에 따라 광고주에게 전달되는 우리의 데이터가 갖는 가치도 급격하게 떨어지고 있다. 몇년 전만 해도 소비자의 상세한 프로필은 소중했다. 이제 너무 많은 기업과 데이터브로커들이 그 데이터를 갖고 있기 때문에 그것은 평범한 상품이 되었다. 13년 한 금융보고서 분석에 따르면, 구글에게 사용자 1명은 연간 40불 가치가 있으며, 페이스북, 링크드인, 야후의 경우에는 6불에 불과. 그래서 구글과 페이스북 같은 기업들은 밑돈을 올리고 있다. 그들은 광고주에게 판매할 데이터를 점점 더 많이 필요로 하기 때문에 경쟁업체들과 차별화를 시도한다. 어쩌면 수입원으로서 광고의 수익성이 이미 정점을 찍었기 때문에 이제는 떨어질 일밖에 없고, 결국 지속가능한 단일 사업모델이 아니게 될 수도 있다. 광고거품이 꺼지고 감시를 기반으로 한 마케팅이 효과적이지 않다고 판명되면서 인터넷 업체들이 사용자에게 요금을 부과하는 방식 같은 더욱 전통적 사업모델로 되돌아가야 한다면, 그때 인터넷은 어떤 모습일지 아는 사람은 없을 듯하다.
- 우리가 의존하는 많은 인터넷 업체들과 우리의 관계는 전통적 기업-고객관계가 아니다. 기본적으로 우리가 고객이 아니기 때문. 우리는 그 업체들이 자신들의 실제 고객에게 판매하는 상품이다. 이 관계는 상업적 관계가 아니라 봉건적 관계에 가까움. 기업은 봉건영주이고 우리는 그들의 가신이거나 농민이거나 일진이 사나운 날에는 농노가 된다. 우리는 기업이 소유한 땅에서 데이터를 생산하면서 일을 하는 소작농이며, 기업들은 우리가 생산한 데이터를 돈을 받고 판매함. 물론 비유지만 정말로 그렇게 느껴지는 때가 종종 있다. 구글에 충성을 맹세하는 사람들이 있다. 그들은 지메일 계정을 갖고 있고, 구글 캘린더와 구글 독스를 사용하고, 안드로이드 휴대폰을 갖고 있다. 마찬가지로 애플에 충성을 맹세하는 사람들도 있다. 그들은 아이맥, 아이폰, 아이패드를 갖고 있고, 아이클라우드가 자동으로 모든 것을 동기화하고 백업하도록 놔둔다. 모든 것을 마이크로소프트에 맡기는 사람들도 있고, 페이스북, 트위터, 인스타그램 때문에 이메일까지 모두 내주는 사람들도 있다. 우리는 특정 봉건영주를 좋아할 수도 있고, 이 중 몇몇에게 충성심을 분배할 수도 있고, 자신이 좋아하지 않는 특정 업체를 세심하게 피할수도 있다. 그러나 이 업체들 중 적어도 하나에 충성을 맹세하지 않고 살아가기는 점점 더 어려워지고 있다.
- 미국은 세가지 유리한 점 덕분에 세계에서 가장 광범위한 감시 네트워크를 갖추고 있음. 미국의 첩보 예산은 전 세계 국가들의 첩보예산을 모두 합한 것보다 많음. 전 세계 트래픽의 많은 부분이 인터넷의 물리적 배선장치로 인해 미국 국경선을 거쳐야 하는데, 다른 두 국가 간의 트래픽도 예외는 아님. 그리고 세계에서 가장 크고 인기있는 하드웨어, 소프트웨어, 인터넷 업체들이 미국에 본사를 두고 미국 법체계의 지배를 받는다. 한마디로, 미국은 주도권을 장악하고 있다. NSA가 감시를 통해 목표하는 바는 NSA의 극비 프레젠테이션에 등장하는 '모두 수집하라', '모두 알아내라', '모두 이용하라' 는 문구로 깔끔하게 표현되어 있다. NSA는 통신회사와 케이블 회사에서 인터넷을 감청하고, 이메일, 문자 메시지, 검색기록, 친구목록, 주소록, 위치정보 등 손에 넣을 수 있는 것은 모두 수집. NSA가 미국 내에서 오간느 모든 통화 내용을 기록하고 있다는 증거는 없지만, NSA가 소말겟 프로그램을 통해 적어도 아프가니스탄과 버뮤다에서 오가는 통화내용을 모두 기록하고 있다는 가실을 알려져 있다. NSA의 13년 예산은 108억불이었다. NSA가 직접 고용한 인원은 3.3만명 정도였고, 더 많은 인원을 하청으로 계약했다. 스노든이 공개한 문서 중 하나는 NSA를 비롯한 여러 정보기관의 은닉 예산에 관한 최고기밀문서였는데, 13년 총 예산이 530억불이었다. 일부 추산에 따르면 미국은 매년 정보활동에 720억불을 지출한다.
- "세상에서 가장 정직한 사람이 쓴 문장 여섯줄을 보여주면, 나는 거기서 그 살마을 교수형에 처할 만한 꼬투리를 잡아낼 수 있다." (17세기 프랑스 정치가 리슐리외 추기경), "그 사람을 내게 보여줘. 그럼 내가 당신에게 범죄를 보여줄께" (구소련 당시 스탈린의 비밀경찰국을 이끌던 라브렌티 베리야) 두 사람은 같은 말을 하고 있다. 누군가에 대한 충분한 데이터를 갖고 있다면, 그가 어떤 죄든 저질렀다고 판결할 만한 충분한 증거를 찾아낼 수 있다는 이야기. 많은 국가의 법원이 경찰의 투망식 수사를 금지하는 이유가 바로 이것이다. 그리고 경찰이 무엇이든 수색할 수 있도록 허용하는 일반영장을 미국 헌법이 특별히 금지하는 이유도 바로 이것이다. 일반영장은 극도로 악용될 수 있다. 영국은 과거 식민지 미국에서 일종의 사회통제 방법으로 일반영장을 이용했음. 도처에서 감시가 이루어진다는 것은 경찰이 마음만 먹으면 누구든 법률위반으로 유죄판결을 받을 수 있다는 의미. 일거수일투족이 저장되었다가. 나중에 어떤 시점에 자기에게 불리한 증거로 제시될 수 있는 세상에 살아가는 것은 엄청나게 위험함. 경찰이 거대한 데이터세트를 파헤쳐서 범법 행위의 증거를 찾아내도록 허용하는 것은 크게 위험할 수 있다.
- 사람들이 당연시하는 현재의 자유는 과거의 권력구조에 의해 종종 위협적이라고 간주되거나 심지어는 범죄로 여겨졌음. 권력당국이 감시를 통해 완벽한 사회통제에 성공했다면 그런 변화는 결코 일어나지 못했을 것임. 이것은 지금의 감시체계 때문에 모두가 개인적으로 나쁜 영향을 받는게 아니더라도 그런 체게가 새로이 생기고 있다는 사실을 우려해야 하는 주요한 이유 중 하나다. 우리는 감시 체계의 영향 때문에 손해를 입는다. 우리 주변의 사람들이 새로운 정치적, 사회적 사상을 공표한다거나 특이한 행동을 할 가능성이 줄어들기 때문. 만약 에드거 후버가 마틴 루터 킹 주니어를 감시해서 침묵시키는 데 성공했다면, 킹과 킹의 가족들 이외에도 훨씬 더 많은 사람들이 영향을 받았을 것임.
- 근본적으로 기업은 감시 데이터를 이용하여 차별화한다. 기업은 사람들을 여러 범주로 나누고 그 범주에 따라 다른 상품과 서비스를 판매한다. 60년대 용어인 레드라이닝은 오래전부터 존재해온 관행을 일컫는 표현으로, 은행이 주택을 구입하려는 소수인종 집단을 차별하는 것을 말함. 은행은 소수인종 집단이 사는 동네를 따라 지도에 붉은 선을 그어놓고 그 지역 사람들에게는 주담대를 승인해주지 않았다. 아니면 소수인종 사람들이 같은 동네에서 집을 구입하려는 경우에만 대출을 해줬다. 물론 불법적 행위지만 은행은 오래도록 처벌받지 않고 무사히 지내왔다. 더 일반적으로는 인종 대신 거주지역에 근거해 서비스를 거부하거나 더 많은 돈을 청구하는 관행을 일컫는데, 인터넷에서 이렇게 하기는 훨씬 더 쉽다. 2000년, 웰스파고 은행은 주담대를 홍보하는 웹사이트를 만들었음. 이 사이트에는 잠재 구매자가 거주할 동네를 검색하는 데 도움을 주는 지역사회 계산기라는 기능이 있었음. 이 계산기는 잠재 고객의 현 우편번호를 수집한 뒤에 해당지역에 많이 거주하는 인종을 근거로 고객을 안내했다. 백인에게는 백인동네를, 흑인에게는 흑인동네를 알려준 것이다. 이 관행은 웹라이닝이라 불리며 전통적 레드라이닝보다 훨씨 더 널리 퍼지고 더 차별적일 가능성이 있다. 기업은 개인의 데이터를 엄청나게 많이 수집하고 아주 상세한 프로필을 작성할 수 있기 때문에 여러 측면에서 사람들에게 영향을 미칠 수 있다.
- 12년 오비츠는 고객이 맥을 사용하는지 윈도우를 사용하는지에 따라 호텔 객실요금을 다릉게 보여주었음. 검색이력을 기초로 서로 다른 상품을 보여준 여행 사이트들도 있었음. 많은 사이트가 고객의 소득수준을 추정하고 그것을 기초로 다른 페이지를 보여줌. 이런 과정은 많은 부분 교묘하다. 고객에게 특정 항공요금이나 호텔 객실을 아예 보여주지 않은 게 아니라, 사이트가 보여주고 싶어하는 페이지를 더 클릭하게 쉽게 배치하는 것이기 때문. 우리는 연령이나 성별, 인종, 성적 신호, 연애상태 등을 예측하는 데이터에 우리의 데이터가 어떻게 사용되는지 살펴봤다. 기업들은 이런 과정을 통해 소비자보다 우위를 확보하며, 개개인과 각 계층에 관한 데이터를 더 많이 모을수록 그 차이는 점점 더 벌어짐. 예를 들어 마케터들은 여자들이 월요일에 자신을 덜 예쁘다고 생각한다는 사실을 안다. 따라서 월요일은 여성을 상대로 화장품을 광고하기에 가장 좋은 요일이다. 또 마케터들은 성별과 연령별로 각기 다른 광고에 더 잘 반응한다는 사실도 알고 있다. 머지 않아 그들은 특정이에 관해 충분히 많은 것을 알아내서 그 사람이 아침 8시에는 커피를 마시기 전이라 기분이 살아나지 않았기 때문에 상품에 크게 영향을 받지 않을 것이고, 아침 9시 30분 경에는 카페인을 잔뜩 섭취했기 때문에 영향을 잘 받을 것이고, 오전 11시에는 점심 직전에 혈당이 낮아진 관계로 다시 영향을 받지 않을 것임을 알게 될 것이다. 사람들은 각자의 사회적 관계에 따라서도 평가 받음. 렌도라는 필리핀 업체는 고객이 페북에서 자주 대하하는 이들의 신용도를 살펴보고 그 사람의 신용리스크를 평가함. 아멕스는 고객이 물건을 구입하는 매장유형에 근거하여 고객의 신용한도를 줄인 적도 있다.
- 프라이버시는 인간의 타고난 권리이며, 존엄과 존중 속에 인간의 조건을 유지하는 데 필수적임. 프라이버시는 자기에게 선택권이 있느냐, 세상에 자기 자신을 어떻게 내보일지 스스로 통제권을 갖느냐와 관련 있다. 인터넷 민속지학자인 다나 보이드는 프라이버시에 관해 다음과 같이 말했다. "프라이버시는 단순히 힘에 좌우되기만 하는 게 아니다. 프라이버시를 성취할 수 있다는 것 자체가 힘의 표현이다."
- 프라이버시에는 강력한 생리학적 배경이 있다. 생물학자 피터 와츠는 프라이버시에 대한 욕구는 타고나는 것이며, 특히 포유동물은 감시에 잘 대응하지 못한다고 주장. 자연계의 동물들은 포식자에게 감시당하기 때문에 사람들은 감시를 물리적으로 위협으로 느낌. 감시로 인해 감시자가 포식동물처럼 행동하게 되듯, 감시를 받는 사람들은 자기가 먹잇감이 된 것 같은 느낌을 받는다.
- 순간이 지나면 사라지는 대화를 나눈다는 것은 사람들이 더 편안하고 느긋하게 말할 수 있게 해주고 녹음기가 돌고 있다면 하지 못할 이야기도 털어놓게 해주는 사회규범이다. 장기간에 걸쳐 인간은 잊어버리고 틀리게 기억하면서 역사를 처리해왔다. 망각은 용서을 가능하게 하는 중요한 요소다. 개인적 기억과 사회적 기억이 희미해지면서 과거의 상처는 덜 아프고 덜 뼈저리게 된다. 이는 과거의 잘못을 용서하는 데 도움을 준다. 과거의 언쟁을 기록할 수 있다고 해서 내 결혼생활이 더 좋아질 거라 생각하지 않는다. 한순간도 놓치지 않는다는 것은 사회적으로, 심리적으로 큰 변화를 일으킬 것이다. 그리고 내 생각에 우리 사회는 그러한 변화에 준비가 되어있지 않다.

- 휴대폰 제조사들은 오랜 기간에 걸쳐 보다 높은 화소 수의 카메라 렌즈를 도입하는 경쟁을 벌여왔는데, 이제는 이를 넘어 여러 기능에 특화된 눈 자체의 수를 늘리는 경쟁을 하고 있음. 표준렌즈와 광각, 망원, 심도 파악 등의 역할을 하는 렌즈들을 도입하면서 듀얼렌즈 시대를 거쳐 트리플 렌즈 시대에 진입했으며, 이제 네 개의 렌즈를 적용하는 쿼드러플 렌즈의 시대에 도달. 최근에는 ToF 센서가 주목받고 있다. 이것은 적외선 등의 빛이 물체에 닿았다가 반사되어 돌아오는 시간을 측정함으로써 피사체와의 거리를 측정하고 이를 기반으로 3D 이미지를 구성할 수 있게 한다. ToF 센서는 스마트폰 이용자의 얼굴을 닮은 이모지를 만들거나 얼굴인식을 통한 인증기능에도 적용되는 등 활용범위가 더욱 확대되고 있다.
- 이 외에 주목해야 할 기술은 바로 광학 줌 기술. 카메라 렌즈를 움직여 피사체를 확대하거나 축소하는 이 기술은 소프트웨어를 통해 화면을 확대하는 디지털 줌 방식에 비해 이미지의 화질이 저하되지 않는다는 장점. 다만 스마트폰의 두께가 고배율의 광학 줌 기술을 도입하는 데 걸림돌로 작용했었는데, 이제 그 부분도 극복되고 있다. 중국의 오포는 18년 2월 MWC 행사에서 무려 10배의 광학 줌 기술을 적용한 스마트폰을 공개하고 곧 상용화 오포의 기술은 빛의 진행방향을 90도 꺾어주는 프리즘 기술을 이용한 것이 특징이다. 이 기술은 오포와 이스라엘의 코어포토닉스가 공동개발했는데, 삼성전자는 19년 초 코어포토닉스를 1.5억불에 인수. 이는 빠르면 2020년 등장할 갤럭시 S11부터 고배율의 광학줌 기능이 도입된다는 것을 의미. 업계에서는 내년이면 광학줌(10배)과 디지털 줌(10배)을 조합해 100배 줌이 가능한 스마트폰이 등장할 것으로 예상하고 있다. 한편 구글이 개발해 판매하고 있는 픽셀 스마트폰은 저조도, 즉 어두운 환경에서 인공지능 기술을 이용해 매우 뛰어난 사진을 찍을 수 있는 나이트 사이트 기능으로 유명. 구글의 인공지능 기술이 적용된 기능으로서 스마트폰에서 좋은 이미지를 얻는 방법이 반드시 하드웨어에만 의존하는 것은 아니라는 점을 잘 보여준다.
- 게임은 모든 플랫폼에 걸친 영원한 킬러앱으로서, 모바일 게임은 이제 전체 게임 영역 중에서 가장 큰 규모를 형성하고 있음. 시장조사 업체 뉴주에 따르면 19년 스마트폰 기반의 모바일 게임시장 규모는 549억불 수준으로 콘솔이나 PC 게임보다 더 큰 규모를 보이고 있음. 이후에도 지속적 성장을 거듭해 2021년이 되면 전체 게임시장의 40%를 차지할 것으로 예상됨. 이처럼 모바일 게임은 향후에도 시장규모가 더욱 커질 전망이며, 이미 간단히 즐기는 캐주얼 게임뿐 아니라 PC나 콘솔게임과 같은 화려한 그래픽과 게임성을 제공하는 MMORPG가 등장해 인기를 끌고 있음. 그러나 스마트폰에서 고품질의 모바일 게임을 즐기는 것과 관련된 게이머들의 불만사항이 있음. 한정된 배터리 용량으로 인해 오랜 시간 게임을 즐길 수 없으며, 스마트폰이 뜨거워져서 게임을 하는 데 지장이 있는 것이다. 그래서 헤비 게이머들을 겨냥한 게미밍폰이 수년전 부터 각광을 받기 시작. 게이밍폰은 대용량 배터리와 단말기의 온도를 낮추어주는 여러 방식의 쿨링 시스템, 고성능 프로세서와 램, 고해상도 디스플레이 그리고 게임 조작성을 높일 수 있는 여러 전용버튼을 갖추고 있으며, 게이머들에게 어필할 수 있는 디자인을 도입한 것이 특징. 또한 게임을 할 때 팝업 메시지를 차단하는 기능과 특정 게임에 최적화된 플레이 모드 등의 편의 기능이 제공되며, 전용 컨트롤러나 도킹스테이션 등의 액세서리도 제공됨. 대만 에이숫의 ROG폰, 미국 레이저의 레이저폰, 샤오미의 블랙샤크, 화웨이의 아너플레이 등이 대표적인 게이밍폰으로서 17년말부터 본격적으로 등장. 19년 들어 샤오미가 블랙 샤크를 별도의 서브 브랜드로 분리하고, 비보 역시 아이큐라는 게이밍폰 전문 서브 브랜드를 만들 정도로 이 시장에 대한 관심은 더욱 높아지고 있다. 또한 2010년부터 2세대 게이밍폰이 본격적으로 등장하기 시작했는데, 특히 퀄컴이 직접적인 지원을 하고 있다. 19년 중반에 게임관련 성증을 한층 더 발전시킨 스냅드래곤855+ 프로세스를 발표한 것이다. 이 프로세서는 발표 직후 에이수스의 게이밍폰 ROG폰2에 처음 적용됨. 이 외에도 누비아 등의 도입 발표가 이어지고 있어 향후 등장할 최신 게이밍폰들의 상당수가 해당 프로세서를 도입할 예정임
- 이제 막 개화되기 시작한 5G 스마트폰 시장에서도 ODM방식이 확산될 가능성이 제기되고 있음. 중국 차이나모바일이 19년 8월말 파이어니어X1ㅇ라는 자체 브랜드의 5G 스마트폰을 출시. 해당 단말기는 스냅드래곤855 칩셋가 풀 HD 6.47인치 아몰레드 디스플레이, 듀얼 스피커를 탑재했으며, 판매가는 4988위안이다. 차이나 모바일이 해당 단말기을 처음부터 직접 개발하지 않았음은 당연함. 즉, 아직은 공개되지 않은 ODM업체를 적극 활용해서 자사가 추지하는 5G 관련 서비스들을 선탑재 하고 이를 통해 가입자를 확대하고 서비스를 활성화하려는 것. 차이나모바일은 18년 12월에도 뒷면에 차이나모바이르이 로고가 있는 스마트 허브라는 가정용 5G 단말기를 공개. 이 제품은 HTC가 제작한 단말기와 동일한 외형임. 차이나 모바일은 스마트허브와 동일한 방식으로 5G 스마트폰의 개발과 유통도 추진한 것. 아직은 태동기로 볼 수 있는 5G 시장에서 이통사의 자체 브랜드 제품이 등장한다는 것은 5G 스마트폰 시장에서도 ODM방식이 예상보다 빠르게 자리잡을 수 있음을 말해줌. 차이나모바일이 5G 스마트폰을 제작하는 전문 제작업체에서 자사의 상표를 부착한 제품을 공급받아 판매하는 것처럼 또 다른 자금력있는 회사가 해당 제조사를 통해 자신의 상표로 5G 스마트폰을 출시할 수 있는 것이다. 즉, 더 많은 업체들이 5G 단말기 경쟁에 초기부터 뛰어들 수 있으며 가격경쟁이 그만큼 더 빠르게 시작될 수 있다. 사실 이런 상황은 이미 18년부터 예고된 것. 퀄컴은 18년 1월 5G 단말기 개발의 지원 및 관련기술 공동개발을 위해 중국 제조사들과 협력해 5G 파이어니어 이니셔티브를 설립했는데, 여기에는 중국 최대의 ODM 업체 중 하나인 윙텍이 참여사로 이름을 올림. 즉, 윙텍이 5G 스마트폰의 레퍼런스 모델을 개발하고 이를 요청하는 여러 업체들의 브랜드로 공급하는 날이 예상보다 빨리 올 수도 있다는 의미
- 5G의 가장 중요한 특징은 초고속, 초저지연, 초연결. 5G의 데이터 전달속ㄷ는 기존 LTE 대비 20배 이상 빨라졌고, 서비스의 반응시간도 1000분의 1초 수준이며, 반경 1킬로이내의 5G 통신기기를 최대 100만대까지 연결 가능. 5G 의 주파수는 용도에 따라 크게 두 가지 영역으로 분류 가능. 먼저 광역 커버리지용으로 활용이 가능한 1기가헤르츠 이하의 저대역과 도심 커버리지용인 1-6기가 헤르츠의 중대역을 아우르는 서브 6-기가헤르츠와 다른 하나는 대용량 전송을 위한 초고대역 28기가헤르츠 안팎의 밀리미터파로 나뉨. 이는 기존 LTE의 850메가헤르츠~26기가헤르츠 대역보다 대폭 상승된 수준. 주파수가 높아지면 대역폭이 높아서 고속으로 데이터를 전송할 수 있는 반면, 파장이 짧아 신호가 전달되는 거리도 짧으며, 회절각도가 작아 건물이나 벽을 투과하지 못해 음영지역이 많이 발생함. 즉, 5G 주파수에서는 전송데이터 용량을 대폭 상승시킬 수 있지만, 커버리지가 좁아 반드시 충분한 인프라 구축이 수반되어야 함. 또한 5G 규격에서 가장 중요하게 다뤄지는 기술은 매시브 마이모(Massive Multi input multi output, 대용량 다중 입출력)다. 매시브 마이모 기지국은 32개이상의 안테나를 여러배열로 연결해 다중 입출력이 가능하도록 구성됨. 그리고 빔 포밍 기술을 활용해 많은 수의 안테나 전파를 특정 방향으로 집중시킴. 이를 통해 불필요한 방향으로 방사되는 전파 신호를 최소화함으로써 통신용량이 증가하고 에너지 효율도 개선됨. 또한 통신 상태가 불량한 통화자에게 다시 전파를 집중함으로써 통화 커버리지도 일부 개선할 수 있다. 그런데 현재 상용화 되고 있는 5G 로는 당장 초고속과 초저지연, 초연결의 특징들을 체감하기 어려움. 가장 큰 이유는 국제 이동통신 표준화 기구인 3GPP가 아직 완전하게 5G 표준 기준을 정립하지 않은 상태에서 상용화가 시작되었기 때문. 실제로 2011년 7월 LTE가 국내에서 처음 시작되었을 때도 3G 대비 요금은 비쌌지만 서비스 품질이 좋지 않았따. LTE 표준기술들이 진보하고 동시에 네트워크망이 확충되면서 점차적으로 서비스의 질이 향상되었다. 또한 여러 기술적 이유로 현재의 5G는 28기가 헤르츠 대역이 아닌 3.5기가 헤르츠 대역에서만 서비스 되고 있다. 국내 통신사들은 2019년 연말까지 28기가 헤르츠 대역의 5G를 제공할 수 있는 네트워크 인프라 개발을 완료하고 2020년 초에 상용화를 시작할 계획. 이에 따라 국내 5G 가입자들도 2020년부터는 더욱 향상된 초고속 5G 서비스를 경험할 수 있을 것으로 예상된다.
- SK텔레콤이 통화 품질에서 우수하다는 평을 받을 수 있었던 중요 이유는 800메가 헤르츠의 황금주파수 대역 덕분. 당시 한국통신프리텔과 LG텔레콤은 1.7기가 헤르츠의 주파수를 사용했는데, 주파수 특성으로 볼 때 800메가 헤르츠 황금 주파수가 더 넓은 영역을 구석구석 커버한다. 해외에서도 800메가 헤르츠는 반독점법이 적용될 정도로 귀한 주파수로 대접을 받음. 한석규가 걸었던 대나무숲에서도, 빌딩의 지하실이나 엘리베이터에서도, 언제 어디서든 끊임없는 통신망을 구현하기에 가장 적합. 그러나 통신망에 고용량의 데이터를 함께 쓰는 현재의 통신망에서는 이런 양태가 바뀌기 시작. 현재의 의 5G 이동통신에서는 더 많은 데이터를 담아내기 위해 3.5기가와 28기가 주파수 대역이 대폭 상승됨. 덕분에 최고 20기가비피에스의 초고속 데이터를 전송할 수 있게 되었지만 데이터 도달거리는 더욱 짧아지고, 음영지역은늘어나게 되었다. 기존 LTE 수준의 충분한 커버리지를 유지하기 위해서 5G의 기지국은 LTE 기지국보다 더욱 높은 밀도로 구성되어야 한다. 이 점은 5G 네트워크 장비업체에 중요한 호재다
- 대시버튼이 전송하는 데이터량은 수바이트 수준으로 매우 작은 대신, AAA 건전지 하나로도 1000회 이상 사용가능. 만일 대시버튼을 LTE나 5G로 구성했다면 단가도 매우 비싸고 수십 번도 채 쓰지 못하고 건전지를 교체해야 했을 것임. 5G는 넓은 영역을 이동하면서도 많은 데이터를 전송할 수 있기 때문에 스마트폰, 자율주행차, 비디오 촬영 드론 등에 적합. 하지만 고정된 위치에서 데이터를 전송하거나 전송 데이터양이 적은 스마트팩토리나 스마트홈에 활용되는 디바이스, 웨어러블 기기, 비콘과 같은 기기들은 모두 와이파이, 블루투스 같은 기타 무선통신 방식들을 활용하는 것이 제작비용 및 스펙 측면에서 효율적임. 또한 5G는 통신사업자의 네트워크 통신망을 사용하므로 데이터 사용량에 따른 과금이 발생하지만, 나머지 통신방식들은 통신망을 거칠 필요 없이 기기간 통신을 하기 때문에 요금 부분에서도 자유로움. 예를 들어 4K 화질의 VR 콘텐츠를 1시간 동안 플레이 하기 위해서는 총 7기가바이트의 통신 데이터가 필요한데, 많은 이용자는 5G 고용량 요금제를 이용하는 것보다 홈와이파이로 무료로 플레이하기를 선호할 것이다.
- 본래 IEEE 802.11ax라 명명되었던 와이파이6는 와이파이 진영에서 가장 최근에 발표된 규격이다. 와이파이 6는 대역폭 요구사항이 다른 여러 클라이언트들이 동시에 접속할 수 있도록 하는 OFDMA(orthogonal frequency division multiplex access) 기능과 제각기 하나 이상의 안테나를 갖춘 사용자들이 서로 통신하도록 하는 멀티 유저 마이모 기능을 제공함. 이를 통해 다중접속 환경에서도 서로 간의 연결경합을 최소화하면서 여러 명의 유저가 초고속 데이터를 주고받을 수 있도록 설계됨. 예를 들어 최대 여덟명의 인원이 한 공간에서 동시에 고용량 4K 화질의 VR 콘텐츠를 끊김이나 지연 없이 플레이할 수 있으며 카페, 지하철, 공항과 같이 와이파이 이용자수가 많은 공간에서도 속도 저하 없는 쾌적한 인터넷을 이용할 수 있음. 와이파이 6는 건전지만으로 장시간 저전력으로 동작하는 제품 안에 구성될 때 혹은 홈인터넷과 다이렉트로 연결하거나 고용량 영상이나 음악을 스티리밍으로 전송하는 기기에 가장 적합. 일례로 최근 화제가 되고 있는 와이파이 오디오가 기존의 블루투스 오디오 시장을 빠르게 교체하고 있다. 와이파이의 높은 대역폭을 활용해 원음에 가까운 음악을 출력할 수 있으며, 홈 인터넷과 다이렉트로 연결되어 유저의 음성명령어를 바로 홈인터넷으로 보내 날씨 정보를 알아보거나 쇼핑카트에 물건을 넣어두는 것도 가능. 또한 여러대의 와이파이 오디오가 서로 간의 와이파이 연결거리를 확장하면서 여러 방에 설치되어 있는 오디오들을 하나의 컨트롤러로 조종하는 것도 가능함
- 우리가 흔히 웨어러블 기기나 자동차 핸즈프리를 이용할 때 사용하는 블루투스도 블루투스5라는 이름으로 새롭게 진화. 블루투스가 지향하는 바는 단순히 스마트폰과 주변기기를 연결하는 역할을 넘어 가정, 산업 전반의 사물인터넷에 폭넓게 사용되는 것이다. 블루투스5는 기존 규격보다 네 배 길어진 전송거리, 여덟배 늘어난 데이터 통신속도, 그리고 메시 연결의 특징을 지님. 이제는 비교적 용량이 작은 동영상이나 고품질 오디오 데이터도 블루투스로 전송할 수 있게 되었으며, 1대1 페어링인 아닌 여러 대의 블루투스를 마치 그물망처럼 다중으로 연결하는 것도 가능해짐. 블루투스5 칩셋을 개발하고 공급하는 텍사스 인스트루먼츠사에서는 자사 블루투스5 제품이 1.61킬로미터 거리에서 동작하는 영상을 공개했음. 어재서 이렇게 긴 거리의 블루투스가 필요할까? 이 정도 거리면 3층 높이 단독주택에서도 모든 사물인터넷 기기를 최대한 음영지역 없이 연결할 수 있으며, 1000평 이상의 개방된 큰 작업장이나 마트에서도 충분히 가격표시기, 전자쿠폰, 감시장치, 전동 카트 등을 연결할 수 있기 때문. 블루투스가 산업용 사물인터넷에 사용되는 대표적 사례로 ESL(electronic shelf label)을 꼽는다. ESL이란 매장 각 선반에 있는 종이 가격표를 대체해 설치하는 전자가격표시기로서 중앙 서버와 연동해 오프라인 매장의 제품가를 실시간으로 다운로드하고 화면에 표시하는 기기임. 보통 ESL은 한 개의 건전지로 1-2년간 동작해야 하므로 저전력 기능이 매우 중요한데, 블루투스 5는 기존방식의 저전력기능을 유지하면서도 연결거리와 데이터양을 대폭 향상했다. 초연결 시대에 많은 사물이 인터넷과 연결되기 시작하면서 무선 연결방식이나 시나리오도 다양화되고 있다. 앞서 언급한 대시버튼, 와이파이오디오, ESL은 제품마다 데이터양, 연결 디바이스수, 연결거리, 보안수준, 지연속도, 저전력에 대해 요구되는 스펙이 모두 다르다. 5G, 와이파이, 블루투스와 같은 여러 무선 연결방식이 서로 다른 방식의 진화를 지향하고 있는 이유다.
- 자급제 시장이 확장될수록 제조사는 직접 단말기 유통에 관여해야 할 상황에 놓이게 됨. 기존에는 통신사가 제조사로부터 대량으로 단말기를 구매해서 유통했기 때문에, 제조사는 단말기를 생산하는데 집중하고 유통단계는 통신사가 맡아서 진행해 왔다. 그러나 무신사 사례에서 보듯, 자급제 시장에서는 제조사들이 발 벗고 나서서 직접 유통채널을 발굴해야 함. 무신사 판매가 성공한 것은 가성비를 따지는 10-20대를 타겟으로 파급력이 높은 인기 패션몰을 선택해서 저가형 스마트폰을 트렌디한 아이템으로 둔갑시켰기 때문에 가능했던 일이다. 홍미노트7이나 갤럭시 M20이나 모두 자급제 단말기로, 출시 초반에는 통신사가 유통하지 않고 제조사가 새로운 유통망을 직접 발굴해서 판매를 시도했다는 게 주목해야할 점이다. 2020년에는 무신사의 사례처럼 제조사가 직접 유통에 뛰어들어 예상하지 못했던 오픈마켓, 소셜커머스, 전문 쇼핑몰과 함께 대대적인 마케팅을 벌이며 단말기를 판매하는 상황이 종종 일어날 것으로 전망됨
- VR기술과 1인 미디어의 만남은 실제 사람이 아닌 VR 기반의 브이튜버(버추얼 유튜버)의 활약으로 이어질 것임. 과거 사이버가수 아담의 경우 인기를 얻었지만 지속적으로 활동하기에는 한계가 명확했음. 쌍방향 소통이 어려웠기 때문. 사전에 만들어진 내용을 재생할 수 밖에 없었던 아담과 달리 버추얼 유튜버는 생방중에도 시청자의 코멘트에 반응할 수 있음. 특히 일본에서는 버추얼 유튜버를 기업과 지자체의 홍보에 적극 활용하고 있다. 5G 시대 버추얼 유튜버가 더욱 주목받는 이유는 콘텐츠가 점점 더 몰입할 수 있는 방향으로 나아갈 것이기 때문. 정면만을 보며 이야기하는 데서 벗어나 극적인 움직임이 가능해지는 것이다. 이는 모션캡처의 가격이 낮아지고 3D 아바타의 제작 툴이 발전하는 등 기술발전에 기인. 특히 하이퍼센스라는 스타트업은 AI 기술에 기반해 2D 카메라로 실시간으로 얼굴을 인식하고, 이를 통해 뽑아낸 3D 정보를 캐릭터에 반영하는 기술을 갖고 있음. 5G 네트워크 기반 위에 좀 더 다양한 표현이 가능한 버추얼 유튜버가 등장함다면, 실제 사람이 등장하는 1인 미디어 못지 않은 콘텐츠를 제작할 수 있게 될 것이다. 1인 미디어 분야는 5G를 통해 더욱 실감나고 볼거리가 많은 매체가 될 것임. 일부 콘텐츠의 경우 기존 매스미디어와 경쟁할 수도 있음. 기존 방송들도 이런 기술을 적극적으로 받아들여 1인 미디어형 방송을 늘리는 추세. 앞으로는 마리텔에서 인기가수와 4K 야외 라이브 방송을 진행하고, 여행지에서 360도 생방송을 진행하게 될지도 모른다. 이처럼 5G 시대에 새롭게 변화딜 1인 미디어의 흐름을 제대로 분석하고 변화에 적응하는 콘텐츠만이 살아 남을 수 있음. 미래 인기 유튜버의 순위가 크게 요동칠 수 있는 이유다
- 확실히 게임을 IT 산업의 한 분류로 이해하고 기술발전에 정비례해 변화할 것이라고 보는 것은 무리한 시각임. 산업의 중심에 있는 코어 게이머들이 원하는 것은 기술발달로 느낄 수 있는 한순간의 신기한 경험이 아니기 때문. 그들의 관심은 게임을 통한 학습과 성장, 경쟁이 어떻게 이루어지는지, 성취감을 어떻게 느낄 수 있는지, 세계관과 그래픽을 포함해 어떤 방식으로 게임에 강하게 몰입할 수 있는지에 있다. 기술은 새로운 사용자 경험을 제공하며 콘텐츠 기획자들과 커뮤니티 관리자들이 이를 어떻게 적용할 수 있을지에 대한 힌트를 줄 뿐이다. 즉, 기술은 콘텐츠 자체에 간섭할 수 없지만 새로운 차원의 층위가 된다.
- 현재는 닌텐도와 소니 등이 자사 콘솔 기기에 한해 원격 서비스를 제공하는 수준이지만, 구글과 같은 회사들이 준비하고 있는 클라우드 게임 플랫폼에서는 기기에 구애받지 않고 어떤 기기로든 같은 게임을 즐길 수 있다. 이를테면 콘솔이나 PC게임을 스마트폰으로도 즐길 수 있게 된다. 디바이스의 경계를 넘는 경험이 시작되는 것이다. 디바이스뿐 아니라, 게임 콘텐츠를 넘어 서비스 플랫폼의 분류를 넘어서는 새로운 게임 경험도 펼쳐질 것임. 구글의 GDC 시연영상에서 볼 수 있었던 것처럼 게임 콘텐츠 크리에이터의 방송을 즐기다가 게임에 뛰어드는 것도 가능해짐. 게임을 둘러싼 모든 경험의 경계가 무너지고 이용자의 동선은 서비스에서 서비스로 옮기는 단절 없이 하나로 이어짐. 바로 이런 변화가 시장에 시사하는 바는 무얼까? 게임 시장은 어떤 형태로 또 얼마나 변동할 것이며, 게임사는 어떤 형태로 변화에 대응하는 콘텐츠를 만들어야 할까? 일부 언론은 클라우드 게임을 두고 게임의 넷플릭스화라 이야기함. 현재 클라우드게임 서비스를 준비중인 대부분의 기업이 다양한 게임 라인업을 확보해 이용자들이 마음껏 이용하게 하는, 월 이용료 기반의 비즈모델을 내세웠기 때문. 구글 스타디아는 스타디아 프로 버전을 월 9.99불에 서비스하고 일부 서비스에 추가 구매요금을 매기는 방식으로 제공하며, 유비소프트의 Uplay+는 14.99불에 서비스를 제공할 계획을 발표.
- 많은 사업자가 클라우드 게임에 열을 올리는 것이 단순히 구글 플레이를 대체할 새로운 게임 콘텐츠 유통시장을 장악하겠다는 포부 때문만은 아님. 이 새로운 플랫폼의 등장은 운하의 건설과 같다. 운하를 지나가는 배에 통행료를 받는 것처럼, 클라우드 플랫폼의 지배자들은 경계를 넘는 모든 경험에 대해 새로운 수익모델을 세울 수 있다. 또 운하를 지나가는 여객선과 주변 관광명소 개발에 빗댈 수 있는 부가수익을 창출할 수도 있을 것이다. 가장 쉽게 생각할 수 있는 것이 구글의 유튜브-스타디아 연계와 같은 라이브 스트링밍 방송을 이용한 사례다. 구글은 유튜브 라이브 방송을 보던 시청자가 해당 게임으로 뛰어들기 위해 크리에이터에게 별풍선 같은 플랫폼 화폐를 기부하고, 그 수익을 크리에이터와 나눠 갖는 시스템을 만들 수 있다. 그런데 수백에서 수천 명이 시청하는 인기 크리에이터의 방송에서 모두가 크리에이터와 직접 게임을 할 기회를 얻을 수 있을까? 게임 콘텐츠의 특성에 따라 모두 가능할 수도 있겠지만 대부분의 경우 제한된 자리를 놓고 경쟁해야 함. 그 경쟁 방식은 선착순이 될 수도 있지만, 경매 등 크리에이터의 수익과 플랫폼 매출에 기여하는 방식을 채택할 수도 있다. 또 나머지 시청자들이 게임의 승패를 놓고 베팅을 하거나 최종 점수를 맞힌 시청자에게 추첨을 통해 아이템을 지급하는 등 게임과 밀접하게 연계된 새로운 매출흐름을 만들수도 있을 것이다.
- 클라우드 게임 사업자들이 갖고 있는 기존 사업의 노하우를 할용하면 또 다른 성장이 가능. 구글의 경우 애드센스와 애드워즈 등 타겟 광고, 프로그래머틱 비딩 시스템을 포함한 고도화된 광고 서비스를 보유하고 있음. 게임 제공 플랫폼과 유튜브가 연계되면 크리에이터들은 자기 콘텐츠의 수용자들이 어떤 타겟인지, 연령이나 성별, 그들이 실제로 즐기는 게임 또는 클릭한 광고 분포를 모두 연결해 파악할 수 있게 된다. 이를 바탕으로 더욱 적합한 광고주를 선택해 효율적으로 수익을 창출할 수 있는 것임. 아마존의 경우 클라우드 게임 사업을 통해 게임 콘텐츠의 생산-유통-소비-2차 콘텐츠 소비까지 잇는 가치사슬을 확보할 수 있음. 유튜브와 당당히 경쟁하고 있는 게임중심의 동영상 스트리밍 서비스 트위치, 클라우드 서비스 AWS 등과 클라우드 게임사업의 시너지를 기대할 수 있기 때문. 아마존은 트위치 인수 이후 몇 년간 구독이나 기부 외에도 다양한 수익모델을 고민했다. 라이브 스트리밍 방송 중 버튼을 눌러 게임이나 게임 내 아이템을 구매할 수 있게 하는 등 여러 방법을 실험하고, 일부는 실제 도입하기도 했다. 이는 크리에이터의 수익기반을 키워 플랫폼 내 콘텐츠 공급을 활성화함과 동시에, AWS의 고객사인 수많은 게임사들과 크리에이터를 잇는 생태계를 만들기 위함이었다. 하지만 아마존은 아직 그 큰 꿈을 이루지 못했다. 게임 콘텐츠의 생산과 2차 콘텐츠의 게임방송 소비는 아마존을 통해 많은 부분이 이루어지지만, 구글 플레이와 같은 유통 및 소비 플랫폼을 보유하지 못했기 때문. 만약 아마존이 이와 같은 가치사슬을 완성한다면 게임시장의 흐름이 바뀔 뿐 아니라, 오프라인 소비재와 데이터, 콘텐츠, 미디어 등 여러 산업을 잇는 진정한 공룡으로 재탄생할 수 있을 것임. 클라우드 게임 서비스가 라이브 스트리밍 플랫폼이나 온라인 광고 사업 등 IT 자회사 사업과만 시너지를 낼 수 있는 것은 아님. 서비스사는 막강한 IP파워를 휘두르는 종합 컨텐츠 제작 스튜디오이자 유통 플랫폼이 될 수도 있다. 구독형 서비스가 매출을 올리는 방법은 가입자 증가뿐이므로 시장이 포화될수록 그 성장도 제한됨. 하지만 콘텐츠 제작업체 입장에서는 정기적이고 안정적인 현금흐름이 생기는 것이므로 질적으로 우수한 콘텐츠를 생산하는데 집중할 수 있는 수단이기도 함. 장기적으로 보면 이 기회를 집중공략하는 클라우드 게임 서비스사는 넷플릭스와 같이 제작자들가 긴밀히 협업해 다수의 오리지널 콘텐츠로 승부하거나, 더 나아가서는 다수의 산하 스튜디오를 거느리고 오리지널 콘텐츠를 생산할 수도 있다. 게임 IP의 유통을 책임지는 대신 판권을 갖고 IP를 활용한 영화, 드라마 등으로 2차 수익을 내며 성장을 꾀할 수도 있다.
- 에지 컴퓨팅이란 클라우드 컴퓨팅이 데이터를 한데 모아 처리하는 것과 달리 단말기 주변에서 데이터를 바로 처리하는 방식. 이용자와 멀리 있는 중앙 클라우드 서버와 데이터를 주고받지 않아 통신망 이용비용을 절감할 수 있으며, 데이터 처리속도 또한 크게 단축됨. 또 단말기 근처에서 데이터를 저장하고 처리하므로 보안성도 뛰어남. 이 때문에 아마존, 마이크로소프트 등은 물론 삼성전자, LG전자 등 제조업체, 통신업체까지 여기에 뛰어들고 있다. SK텔레콤은 5G 시대의 신기술로 에지 컴퓨팅을 이용한 클라우드 게임 서비스 계획을 공개하며, 이 기술로 인해 기존 지연시간을 3분의 1로 단축할 수 있다고 밝힘
- 보청기의 진화는 단순히 스마트폰과의 직접 무선연결에 그치지 않는다. 스마트폰과의 연동을 토대로 다양한 생활밀착형 기능들을 확장해가는 모습을 볼 수 있다. 전 세계 보청기 시장의 95%를 차지하고 있는 6대조청기 업체 중 하나인 스타키는 19년 7월 세계 최초 인공지능 보청기 리비오 AI를 국내에 출시. 보청기 본연의 기능인 소리증폭 기능에 최신 머신러닝 기술을 도입했을 뿐 아니라 아마존의 인공지능 비서 알렉사를 통한 가전기기 컨트롤 기능, 심박수와 걸음수, 낙상을 감지하는 헬스케어 기능, 27개 언어로의 실시간 통역기능 등을 추가해 보청기를 넘어 히어러블로 한단계 진화했다는 평을 듣고 있다.
- 2020년 글로벌 시장규모가 13조 9천억원에 달할 것으로 예상되는 보청기 시장은 새로운 전기를 맞이할 것으로 보임. 특히 4800만에 이르는 난청 인구를 보유한 북미 시장에서 진단서 없이 일반 마트에서도 쉽게 구매할 수 있는 OTC 보청기 법안이 시행될 경우, 가격으로 인한 진입장벽이 크게 낮아져 사용자층 역시 높은 볼륨의 음악감상으로 인해 청력이 손상된 젊은 세대로까지 확대될 것으로 예측됨. 저렴한 가격, 쉽게 구매할 수 있는 접근성, 스마트폰과의 연동, 다양한 기능지원으로 보청기가 히어러블로서 우리 생활 속에 더 가까이 다가올 수 있을지 귀추가 주목됨.
- 고가의 가격대와 청력센터에서의 검사 및 튜닝에 대한 물리적, 심리적 거리감으로 보청기 보급률이 20%에 그치고 있는 가운데 이에 대한 반대급부로 크게 성장하고 있는 시장이 있다. 바로 소리증폭기인 PSAP(personal sound amplifcation products)다. 우리나라 사람들에게는 다소 낯선 개념인 PSAP는 이어폰 내 마이크로 외부소리를 증폭해 경중도 난청인 또는 비난청인들이 외부소리를 더 크게 듣고자 할 때 사용하는 디바이스다. 강단에서 멀리 떨어진 교수의 목소리를 듣거나 숲속에서 새들이 지저귀는 소리, 늦은 시간 작게 틀어놓은 TV 소리 등을 듣는 목적으로 주로 사용됨. 비교적 단순한 사용용도지만, 보청기보다 가격이 저렴하고 구매절차가 간단해서 난청인뿐 아니라 보청기 구매에 대한 부담과 거부감이 있는 일반인들에게까지 인기가 있다. 이런 PSAP는 디바이스 내 마이크로 사용자가 듣고자 하는 특정 소리를 얼마나 자연스레 증폭시킬 수 있으냐가 중요한데, 스타트업들을 중심으로 다양한 시도와 기능들이 더해지면서 히어러블로 진화하는 양상을 보여주고 있다. 대표적 예로 19년 1월 국내에 출시된 누히어라의 아이큐 버즈 부스트를 주목해볼만 하다. 대부분의 무선이어폰이 여전히 음악감상을 위한 디바이스로 포지셔닝하고 있지만, 아이큐버즈는 주변소리를 선택하고 소리의 높낮이와 방향을 조절할 수 있다.
- 변화에 가장 적극적으로 대응하고 있는 오디오업체로 보스를 꼽을 수 있따. 이미 소음제거 기술로 시장에서 높은 인지도를 갖고 있는 보스는 목소리 증폭기능을 통해 원활한 커뮤니케이션에 도움을 주는 PSAP로 포지셔닝한 히어폰부터 수면시 착용하는 슬립버드, 세계 최초 오디오 AR 디바이스인 프레임까지 다양한 기능과 형태를 지닌 라인업을 구성해 다방면으로 히어러블 시대를 준비하는 모습. 이뿐만 아니라 자브라나 소니와 같은 전통적인 이어폰의 강자들도 에어팟에 빼앗긴 무선이어폰 시장에서의 지위를 찾기 위해 소음제거와 외부소리 전달기능을 기본으로 탑재하면서 차별화하고자 노력중이다.
- 최근 스마트폰 사용환경에서는 한계에 부딪힌 음성인식 인터페이스가 히어러블이라는 디바이스를 만나면서 새로운 기회를 맞이하고 있다. 히어러블 디바이스에 인공지능 음성비서가 잘 어울리는 첫번째 이유는 입과 귀의 거리가 가깝다는 데 있다. 통화를 할 정도의 작은 목소리로도 음성비서와 부담없이 대화가 가능. 여기에 앞서 언급한 소음제거와 소리인지기술, 지향성 마이크까지 더해지면 주변이 시끄러운 상황에서도 사용자의 목소리를 찾아내 깨끗하게 담아낼 수 있다.
- 애플 에어팟의 경우 혹평을 받았던 디자인이 사실은 주변 소음을 걸러내고 사용자의 음성을 깨끗하게 받아내는 빔포밍 마이크를 위한 것으로 알려짐. 여기에 19년 3월 출시한 에어팟2에서 활성화 동작없이 음성만으로 시리를 불러내는 기능을 추가하면서 영화 그녀의 사만다처럼 언제든 부를 수 있는 음성인식 개인비서의 시대를 열었다는 평을 받고 있다. 히어러블이 인공지능 음성비서와 찰떡궁합인 두번째 이유는 사용자에게 먼저 말을 건넬 수 있다는 점. 착용감이 개선되고 배터리사용시간이 확보되면 히어러블과 사용자는 일상의 대부분을 함께할 것이다. 이때 인공지능이 귓속에 사용자만 알아들을 수 있는 소리로 정보를 전달할 수 있으므로 상황에 따라 능동적으로 사용될 수 있다.
- 공유경제가 국경과 시간을 초월해 빠른 속도로 글로벌화되면서 공유경제 플랫폼에 종사하는 노동자들의 지위를 둘러싼 소위 긱경제 논란이 뜨거워지고 있다. 긱경제란 기업들이 정규직보다 필요에 따라 계약직 혹은 임시직으로 사람을 고용하는 경제상황. 20년대 미국 재즈 공연장에서 연주자를 그때그때 구해 단기 공연계약을 맺은 데서 유래. 19년 4월 긱경제 노동자의 지위를 규정하는 매우 의미있는 의견서가 한 건 제출됨. 미국 노동부는 의견서에서 긱경제 노동자는 피고용자가 아닌 자영업자라는 의견을 제시. 이는 공유경제 플랫폼을 개발, 유지, 운용하는 데 있어서 긱경제 노동자는 필수적인 요소가 아니기 때문이라는 것이 노동부의 입장이다. 미국 노동부의 해석이 중요한 이유는 다양한 공유경제 플랫폼에 종사하는 노동자들의 신분이 피고용자에서 자영업자로 바뀌게 되면 최저임금, 건강보험, 초과근무수당 등 노동법령에서 정한 고용기업들의 사회보장 의무가 사라지기 때문. 최근들어 공유경제 플랫폼이 발달함에 따라 차량공유, 대리운전, 음식배달 등 일상에 전방위로 긱경제 노동형태가 확산되고 있다. 한국은행은 글로벌 긱경제 현황 및 시사점이란 보고서에서 긱경제의 확산에 따른 역기능에 대비해야 한다고 밝힘. 공유경제는 고용측면에서 새로운 일자리를 창출하고 자유로운 근무환경으로 비경제 활동인구의 노동참여를 촉진하는 장점도 있지만, 반대급부로 고용의 질과 소득의 안정성을 떨어트리는 요인으로 작용하기도 한다.
- 국내에서는 숙박업에 대한 오래된 규제가 에어비앤비의 발목을 잡고 있다. 최근 농어촌의 비어있는 집을 활용해 공유숙박으로 이용하려는 수요가 증가하고 있으나, 90년에 도입된 농어촌정비법의 농어촌 민박규정에 따르면 실거주자만 농어촌 민박사업자로 등록 가능. 반대로 도시 지역의 경우는 도시민박 규정에 따라 외국인 이용자만 숙박객으로 받을 수 있음. 공유숙박에 대한 법규가 미비한 탓에 에어비앤비를 통한 도시, 농어촌 지역 숙박공유에서 다양한 불법이 양산되고 있음. 또한 최근 보건복지부가 불법숙박영업에 대한 단속을 추진하겠다고 밝혀 공유숙박에 대한 복잡한 상황이 연출되고 있음.
- 해외의 경우 에어비앤비의 급격한 성장으로 부동산 시장이 왜곡되는 사례까지 나타나고 있음. 프랑스 파리의 경우 집주인들이 관광객에게 에어비앤비로 집을 빌려주면서 오히려 파리주민들이 주택부족과 거주비 증가로 인해 도시 외곽으로 쫓겨나는 사례가 발생하고 있다. 미국 뉴욕은 인구 850만 수준에 에어비앤비 숙박상품이 5만개가 등록되어 있는 반면, 프랑스 파리는 인구 214만명 수준에 숙박상품이 6만개, 인구 82만명 수준의 암스테르담은 숙박상품이 1만 8000개 등록되어 있음. 특히 에어비앤비에 등록된 파리 숙박 업체의 90% 정도는 집전체를 임대하는 상품으로, 임대용 주택공급이 거주자 중심의 장기임대에서 여행객 중심의 단기임대로 바뀌면서 임대료 상승과 집값상승을 초래하고 있음. 전미경제연구소 소속 카일 배런의 연구에 따르면 미국에서 에어비앤비에 등록된 숙소가 10% 증가하면 임대료는 0.42% 인상되고 주택가격은 0.76% 상승하는 것으로 나타남. 파리뿐 아니라 암스테르담, 바르셀로나, 베를린 등 유럽 여러 도시에서도 비슷한 상황이 연출되고 있으며, 유럽뿐 아니라 숙박시설을 신규 증추갛기 어려운 전 세계 유명도시를 중심으로 이런 현상이 계속 확산될 것으로 예상됨
- 영상합성을 위한 인공지능은 기술적으로 난이도가 높은 딥러닝 기술로서 미, 중, 일, 한 등 일부 국가만 성공. 예전에는 텍스트를 음성으로 변환할 때 인공지능이 음소단위로 발음했기 때문에 사람들이 듣기에 어색한 부분이 많았다. 하지만 이제는 딥러닝 기술을 통해 아나운서의 발음과 말투 그리고 억양을 그대로 학습해 발음함으로써 한층 자연스레 전달할 수 있게 됨. 영상합성기술은 이제 막 시작되는 단계지만, 이미지 합성을 통해 가상의 인물을 창조하는 기술은 상당히 발전. 이런 이미지 생성기술은 GAN(generative adversarial network, 생성적 적대 신경망)에 기초하고 있으며, 14년 이언 굿펠로가 논문에서 처음 공개한 이후 급속한 발전을 거듭하고 있음. GAN을 간단히 설명하면 입력된 데이터를 기반으로 지금까지 존재하지 않았던 다수의 새로운 객체 이미지를 생성한 후, 자체검증 체계에서 수준 미달의 객체는 제거하고 엄선된 객체만을 추출하는 기술. 비유하자면 인공지능이 창조주로서 검증되고 엄선된 창조물들만 내놓는 것이다. 인공지능이 만들어내는 가상의 이미지는 이미 사람의 눈으로는 구분하기 힘들 정도로 발전했다.
- SDS의 인공지능기반 스마트팩토리 플랫폼인 넥스플랜드는 삼성전자 반도체 공장에 적용한 결과 고장원인 분석시간을 90% 줄이고, 공정지능화를 통해 공정품질을 30% 향상시켰으며, 인공지능을 이용한 가상품질 검사를 통해 수백대의 검사장비를 구입하지 않고도 생산품을 100% 검사하는 효과를 거뒀다고 알려졌다. 연간 설비투자규모가 15조원에 달하는 반도체 분야는 생산성을 1% 높이면 1500억원이 절감되는 고부가 영역이므로 스마트팩토리가 지니는 의미가 더욱 크다. 삼성 SDS 외에도 SK텔레콤이 MWC 2019에서 제조업공정에서 생산성을 높이는 인공지능 솔루션 슈퍼노바를 공개. SK텔레콤은 18년 10월부터 슈퍼노바를 SK하이닉스 반도체 제조공정에 시범적용 중. 또한 현대모비스도 최근 인공지능으로 품질 불량을 검출해내는 알고리즘을 개발해 생산현장에 적용했는데, 다양한 샘플을 인공지능에 학습시켜 98% 이상의 판별 성공률을 달성했다. 제조공정의 획기적 혁신을 가져다준 스마트팩토리는 고도화된 인공지능 기술과 결합해 활동영역을 넓히고 있다. 공장과 같은 대형 제조시스템뿐만 아니라 음식점, 연구실 등 소규모 작업장에도 적용되며 제조혁신을 촉진하고 있음. 이런 변화를 두고 인텔리전트 팩토리라 표현할 수 있음

- 알렉사 스킬은 스마트폰의 앱에 해당. 알렉사 스킬 킷 공개를 통해 음악서비스 판도라, 스포티파이와 스마트폼 서비스 필립스 휴, 벨킨 위모가 알렉사, 에코 생태계에 첫 발을 내딛었다. 17년 7월 기준 알렉사 스킬의 수는 15000개를 넘어서고 있으며, 영어와 독일어 서비스를 제공하는 알렉사 스킬을 위한 스토어가 운영되고 있음. 16년 출범한 알렉사 펀드는 보이스 및 사물 인터넷 관련 기술기업에 대한 시드 및 시리즈A 투자를 중심에 두고 있음. 몸짓 제어기술 기업 탈믹 랩스, 로보틱스 기업 임바디드, 홈 자동화 기업 에코비, 유아 모니터링 기업 아울렛 베이비 케어에 시리즈B 투자, 초인종 제작기업 링에 시리즈C 투자를 진행. 이외에도 알렉사 펀드는 스프링쿨러, 인터컴, 스피커, 보안카메라, 부엌기기, 반려동물 먹이통 등 다양한 사물 인터넷 분야에 투자하고 있다. 알렉사 펀드는 알렉사와 수직 및 수평통합할 수 있는 서드파티의 범위 또는 영역을 확장하는 역할을 담당하고 있음.
- 알렉사, 에코의 진화과정은 알렉사가 플랫폼을 지향하고 있음을 쉽게 알 수 있음. 알렉사는 아마존 상거래 서비스의 보이스 인터페이스를 뛰어넘어 음악, 영상, 퀴즈 등 다양한 스킬을 제공하는 등, 스마트폰과 앱 생태계의 결합형태와 유사성을 갖고 있다. 그 기능영역 또한 전통적 의미의 스마트폰을 넘어 스마트홈, 자동차 등으로 확장하고 있음을 확인할 수 있다. 앞서 제시한 알렉사, 에코의 진화과정을 통해 이후 플랫폼으로서 알렉사가 어느 방향으로 발전할 수 있는지 추론 가능.
* 알렉사를 탑재한 다양한 전문기기의 출현. 에코쇼, 에코룩이 대표적이며, 이런 기기확장을 통한 수평통합은 아마존 틀 안에 제한되는 것이 아니라, 다른 기업이 제공하는 보이스 인공지능 서비스가 알렉사를 수용할 수 있음을 의미. 알렉사와 에코의 분리는 수평통합의 출발점으로 평가 가능.
* ASK의 공개와 알렉사 펀드는 알렉사가 보다 다양한 기능영역으로 확장하는 읟를 갖고 있음을 말함. 이와 대조적으로 17년 7월 중국 알리바바가 공개한 보이스 인공지능 서비스 티몰지니는 그 이름 자체에서 이미 보이스 인공지능 서비스를 상거래 영역에 제한하고 있다. 티몰지니라는 이름은, 알리바바가 제공하는 전자상거래 쇼핑몰 티몰의 이름을 딴 것으로 쇼핑기능 이상의 확장성을 고려하지 않은 이름이다. 만약 상거래뿐 아니라 공공요금 결제, 예약, 지불 등 다양한 서비스 영역을 포괄하는 메신저 기반 서비스 위챗의 텐센트가 보이스 인공지능 서비스를 제공한다면 이러한 제한은 치명적 한계로 작동 가능. 스마트폰의 앱생태계처럼 보이스 인공지능은 보다 포괄적이고 일반적인 서비스 영역을 확보할 때 플랫폼 지배력을 확보할 가능성이 높기 때문.
* 아마존의 보이스 인공지능 서비스는 쇼핑, 예약, 주문 등의 기능을 제공하면서 아마존이 갖고 있는 다양한 서비스로 수직통합을 시도. 한국에 등장하는 보이스 인공지능 서비스는 쇼핑, 예약, 주문 등의 기능을 제공하면서 아마존이 갖고 있는 다양한 서비스로 수직통합을 시도함. 한국에 등장하는 보이스 인공지능 서비스가 음악 서비스를 제공하는 모습 또한 수직통합으로 분류 가능. 그러나 알렉사가 에코라는 특정 스피커로부터 독립하면서 보이스 인공지능은 자동차 또는 파이어TV 등 생활 곳곳으로 스며들 수 있음. 이때 비로소 이용자가 머무르는 곳 어디든 보이스 인공지능 서비스가 존재할 수 있음. 또한 보이스 인공지능 서비스가 플랫폼으로 발전할 수 있는 전제조건은 수직통합이 아닌 SDK 공개에 기초한 수평통합이다. 여기서 뜨겁게 가열되고 있는 보이스 인공지능 서비스 경쟁구도의 방향을 가늠할 수 있다.
- 보이스 인터페이스의 궁극적 도달지점은 보이스컴퓨팅이다. 프로그램을 열고, 워드를 치고 파워포인트를 작성하고, 거래를 수행하는 그 이상의 생산적 활동들을 목소리로 처리함으로써 스크린과 키보드, 데스크탑이라는 입력장치를 불필요하게 만드는 지점이다. 이는 우리가 스마트폰과 컴퓨터로 해 왔던 그 모든 프로그램을 목소리를 다룰 수 있게 된다는 것을 의미. 만약 우리가 보이스 컴퓨팅을 하게 된다면, 간단한 말로도 충분한 작업들을 위해 좁은 스크린을 얼마나 많이 터치해왔었는지 실감하게 될 것임.
- 애플의 시리가 정체기를 겪는 동안, 구글은 나우 등 음성검색에 사용하던 자연어 처리와 봇 기술을 발전시켜 구글 홈을 출시. 구글 홈에 탑재된 구글 어시스튼트는 알렉사가 갖지 못한 강력한 검색기능과 맥락 이해, 목소리 구분 등으로 알렉사와 차별화된 서비스를 보였다. 구글 어시스턴트는 자회사 네스트를 통해 모바일 사물인터넷 플랫폼과 차량용 OS인 안드로이드 오토를 겨냥하고 있으며, 각종 콘텐츠를 스트리밍으로 추천받을 수 있는 크롬캐스터를 갖고 있다는 장점이 있다. 구글은 이렇게 이미 짜인 플랫폼을 어시스턴트로 통합하려 한다. 알렉사의 쇼핑기능 역시 놓칠 수 없었던 구글은 월마트, 코스트코, 스페이플스 등과 파트너십을 맺고 당일 배송 서비스인 구글 익스프레스를 운영하여 목소리로 생필품을 주문할 수 있도록 하고 있다.
- 아마존의 다양한 제품을 편리하게 주문할 수 있다는 점에서 알렉사의 쇼핑기능은 압도적임. 게다가 우버, 도미노, 캐피탈원 같은 서드파티 업체들이 참여하면서 실생활에 필요한 서비스를 제공하는 데 뛰어난 음성비서로서의 지위를 자리매김하고 있다. 반면에 알렉사의 몇몇 기능은 아직 제한적임. 번역이나 검색기능이 뒤떨어지며, 개개인의 목소리를 구별하지 못함. TV에서 흘러나온 "알렉사, 인형의 집 주문해줘"라는 음성에 반응해 방송을 시청하던 여러 가정에서 알렉사가 실제 인형의 집을 주문할 뻔했다는 뉴스는, 목소리를 구별하지 못하는 알렉사의 치명적 단점을 보여주었다. 현재 알렉사 팀은 목소리를 구분하는 서비스를 개발중. 하지만 구글은 이미 여섯개의 목소리 ID를 등록하여 개별적으로 이용할 수 있도록 하는 등, 알렉사의 부족한 점을 탁월하게 보완한 서비스를 선보임을써 보이스 인공지능 시장의 일부부능ㄹ 당당하게 차지했다.
- 모든 보이스 인공지능 서비스들은 자신을 낳은 테크기업의 정체성을 닮음. 아마존 알렉사는 쇼핑이 편리하고, 구글홈은 검색이 장점. 마이크로소프트는 코타나를 업무 및 비즈니스 활동에 최적화할 것으로 보임. 한국이라면 검색 및 번역, 지역정보 안내에는 네이버의 인공지능 서비스가, 메신저 이용이나 택시 호출에는 카카오 인공지능이 가장 유리한 인터페이스를 제공할 것이라는 예상은 어렵지 않다. 그리고 삼성 빅스비가 타 인공지능 서비스와 달리 스마트폰이라는 기계를 제어하는 데 있어 몇 가지 연속된 명령을 처리하는 등 하드웨어 제어에 매우 특화되어 있는 점도 흥미로움. 이 역시 오랫동안 하드웨어를 만들어온 삼성의 정체성과 무관하지 않다. 그렇다고 각 기겅븨 AI가 자사 서비스만 이용할 수 있도록 만들어진 것은 아님. 타사 서비스를 호출하여 사용할 수 있음. 그럼에도 불구하고 역시 자사 서비스를 이용할 때 가장 매끄러운 인터페이스를 제공함. 알렉사로 아이클라우드 캘린더를 이용할 수 있지만, 삭제할 권한은 없다. 시리로 텔레그램을 이용하여 메시지를 보낼 수는 있지만, 아이폰 디폴트 메시지를 이용할 때보다는 불편함. 구글 어시스턴트나 알렉사 모두 단어를 번역해 달라고 요청할 수 있지만, 자체 번역 서비스를 가진 구글은 요청에 바로 답하는 반면, 알렉사는 서드파티 앱을 호출한 뒤 물어보아야 한다.
- 현재 보이스 인공지능 서비스들은 호환성, 소프트웨어, 쇼핑, 하드웨어 등에서 각각의 차별화된 강점을 선보이며 조금씩 경쟁하고 있지만, 결국 서로 타사의 경쟁력 있는 서비스들을 점차 닮아가고 있음. 15년 애플은 기억하는 인공지능인 보컬 아이큐를 인수했는데, 이는 맥락이해에 있어 구글을 뛰어넘을 가능성을 시사. 알렉사는 목소리 구분서비스를 준비중이고, 구글 어시스턴트는 구글렌즈라는 이미지 인식 서비스를 연계함으로써 또 다른 도약을 준비중. 한편, 서비스 사이의 합종연횡 가능성도 높음. 17년 8월 아마존 알렉사와 마이크로소프트 코타나가 손을 잡음. 두 기업은 클라우드 산업에서 첨예한 대립구도를 이루는 경쟁사여서, 이번 제휴는 많은 저널리스트들을 놀라게 했음. '알렉사, 오픈 코타나', '코타나, 오픈 알렉사'라는 짧은 명령으로 두 보이스 인공지능의 통합이 가능해짐. 예컨대 알렉사로 아웃룩 캘린더와 이메일 서비스를 이용 가능
- 스마트 스피커라고도 불리는 이 디바이스의 중요한 특징은 '알렉사'나 '오케이, 구글' 과 같은 깨우기 단어 또는 활성화 구문을 인식한다는 것. 이용자의 '알렉사, 부엌 불을 켜줘'라는 음성 요청을 스피커가 이해하여 응답을 모두 처리하는 것은 아님. 이 스피커 디바이스 내에 내장된 작은 프로세서는 그러한 처리를 모두 할 만큼 강력하지는 않다. 우리가 접하는 음성인식 디바이스는 이용자가 부르는 '알렉사'라는 단어를 인식하여 이용자의 음성을 녹음하기 시작하며, 말하기를 마치면 '부엌불을 켜줘'와 같은 녹음된 음성을 인터넷을 통해 서버로 보내는 역할을 함. 그리고 전성한 음석에 대한 결과를 서버로부터 받아 명령을 수행하는 것임
- 시리를 개발했던 팀인 식스파이브 연구팀은 애플을 떠나 비브랩스에서 범용 인공지능을 위한 연구를 계속함. 현재의 인공지능이 '들려 줘', '켜 줘', '찾아 줘', '주문해 줘'와 같은 단순한 명령어로 이루어진 주문만 처리하는 데 반해 그들은 정말로 인공지능이 사람이 세상을 배워가듯 학습하는 것을 원했다. 비브랩스 연구팀은 인공지능이 스스로 문장 속의 영역을 파악하고 무엇을 찾아야 할지 학습하는 알고리즘을 개발
"동생 집으로 가는 길에 라자냐와 어울리는 저렴한 와인을 픽업해야겠어'
여기서 비브는 '동생'은 관계이고, '집'은 주소이며, '라자냐'는 음식이라는 것을 파악. 그래서 연락처에 동생과 집에 대한 정보를 합쳐 주소에 대한 길찾기 루트를 확보함. 그리고 라자냐가 어떤 종류의 음식인지 파악한 후 그것과 잘 어울리는 와인을 인터넷에서 찾는다. '피노누아'라는 와인이 추천되면 그것을 보유하고 있는 와이너리에 대한 정보를 앞서 찾은 길 찾기 정보와 합친다. 이 모든 과정에 이루어지는 데 20분의 1초가 걸림. 이런 방식으로 비브는 단어의 맥락을 파악하여 새로운 플랜을 스스로 세워 임무를 수행함. 비브는 시공간적 맥락을 이햐하며, 사물에 대한 좌표를 이해함. 이것은 인간이 세상을 학습해 나가는 과정과 유사. 비브는 영역, 온톨로지, 택소노미를 배운다. 온톨로지는 하나의 개념이 어떤 개념들과 연결되어있는지 파악하는 것을 의미하고, 택소노미는 생물-동물-조류-꾀꼬리 처럼 사물에 대해 종과 속을 분류하는 것을 말함
- 우리는 데이터를 입력하기 위해 웹페이지를 방문하거나 스마트폰에서 앱을 열어야 했다. 지금까지 앱과 같은 서비스가 사람들로 하여금 데이터를 입력하도록 끌어당겼다면(pull-based), 이제는 모든 서비스가 사람들에게 다가올(push-based) 것이다. 이러한 빅 리버스와 함께 애플리케이션들은 전기나 수도처럼 눈에 보이지 않지만 항상 존재하는 형태가 될 것이다. (가우라브 샤르마)
- MIT 미디어랩에서 플루이드 인터페이스 그룹을 이끌고 있는 패티 메이즈는 현재의 인터페이스 방식은 주어진 상황과 맥락을 이해하지 못하고, 이용자 명령에 반응하는 수동적 방식이며, 이용자가 기기와 상호작용하기 위해서는 잠시라도 하던 일을 멈추어야 하는 한계를 가지고 있다고 주장. 그에 따르면 미래의 인터페이스는 상황과 맥락을 해석하여 이해하고, 이용자 시점에서 정보를 능동적으로 제공하고 이용자 개입은 최소화되어야 하며, 인터페이스가 주의를 분산하지 않고, 이용자에게 끊김없이 통합적인 경험을 제공하는 방향으로 발전해야 한다고 한다. 같은 맥락에서 음성인터페이스는 인터페이스의 역사에 메이즈가 주장하는 의미있는 변화를 유발할 수 있는 잠재력을 갖고 있다. 멀티터치 인터페이스가 그래픽 기반의 상호작용에서 가장 직관적 지점에 도달했다면, 보이스 인터페이스는 텍스트 기반에 있어 근본적 변화를 불러오고 있기 때문이며, 인간이 컴퓨터의 언어를 배우는 것이 아니라 컴퓨터가 인간을 이해하기 위해 노력하는 방향으로 인터페이스는 진화하고 있기 때문
- 보이스 인터페이스는 모니터와 본체, 키보드와 마우스로 이루어진 전통적 형태의 컴퓨터와 인터페이스를 해체하기 시작. 키보드나 터치가 인간의 의도적 노력을 필요로 하는 입력방식이라면, 음성은 보다 자연스레 존재하는 방식이다. 현재 보이스 인터페이스는 시리처럼 아이폰에 장착되어 있거나 에코나 구글홈 같은 스피커 형태를 띠지만, 가까운 미래에는 언제 어디서든 이용자가 원하는 형태로 존재할 수 있다.
- 갤러웨이는 알렉사가 제안해준 배터리 가격이 아마존 웹사이트에서 볼 수 있는 가장 저렴한 배터리 가격보다 비싸다는 점을 지적하며, 알렉사를 통한 음성구매가 소비자에게는 최선이 아닐 수도 있다고 이야기한다. 보이스 기술의 발전으로 가격 선택권이 소비자에서 아마존이라는 유통업체로 넘어갈 수 있음을 상징적으로 보여주는 사례다. 이렇게 모바일에서 보이스로 넘어가는 변화에서 소비자들의 가격에 대한 민감도가 줄어든다는 사실은 주목할 필요가 있다. 특히 음성 인터페이스 외에도 다양한 경로로 소비자 개개인의 데이터를 수집한 유통업체들은 훨씬 더 고도화된 데이터 분석을 이용하여 소비자 개개인의 소비성향을 면밀히 파악할 것이다. 분석한 정보를 이용하여 유통업체는 각각의 소비자 제품에 대한 가격 탄력성을 파악할 수 있게 된다. 이는 개인별, 상품별로 유통업체의 이익에 가장 유리한 가격에 판매하는 전략의 실행을 점점 용이하게 해줄 것이다.
- 에즈라히와 스투케는 16년 그들의 저서 '가상경쟁 : 알고리즘 기반 경제의 미래와 위험'에서 기술을 이용하여 소비자에 대한 정보를 더 자세하게 수집한 전자상거래 업체들이 어떤 식으로 동일한 상품을 소비자에 따라 다른 가격에 팔아왔는지 조사. 물론 개인 데이터의 추적과 수집을 통해 유통업체들이 감성적 호소와 함께 적당히 높은 가격에 제품을 판매할 수 있음은 누구나 예상 가능. 하지만 저자들은 거기서 더 나아가 전자상거래 업체들이 다른 소비자에게 각각 다른 가격을 부과할 수 있다는 사실을 밝혀냄. 개인 데이터가 더 정교하게 축적되면 개별 고객이 기꺼이 지불하고자 하는 액수를 추정 가능
- 개인별로 상이한 가격으로 판매하는 것은 반독점법 위반이라는 이슈를 불러일으킬 수도 있지만, 만약 업체가 '탄력적 가격정책이 소비자에게도 많은 혜택을 준다'는 주장을 내세운다면, 이러한 가격정책은 저항없이 널리 받아들여질 수도 있다. 결국 소비자들은 유통업체가 정하는 가격을 따를 수밖에 없는 프라이스 테이커의 운명이 될 수도 있다.
- 아마존은 핸드폰이나 인터넷이 연결된 TV 셋톱박스를 선보이게 될까? 그렇다. 아마존은 자기 고객들이 경쟁자 하드웨어에 전적으로 의존하지 않고도 고객들이 사용하는 인터넷 연결기기에서 아마존 서비스를 사용하길 원하기 때문이다. (아마존, 세상의 모든 것을 팝니다)
- 아직까지는 신기한 기계 수준으로 인식되는 음성인식 기기들이 본격적으로 돈버는 기기로 탈바꿈하기 위해서는 음성 인식 기술을 소비자들의 구매행위와 연결시키거나(아마존), 음성인식 기술을 통해 전달하려는 정보의 제공자에게 비용을 받아야 함(구글). 음성인식기술을 쇼핑과 직접적으로 연결하는 데는 이미 음성인식기기 시장에서 압도적 1위를 차지하고 있는 아마존을 따라올 경쟁자는 아직 없다. 그 배경에는 생필품, 식료품, 의류 등 미국 내 온라인 쇼핑의 확대가 더뎠던 상품분야에 대한 아마존의 꾸준한 투자가 있었다. 아마존은 이들 상품군들을 직매입(생필품)하거나 자체제작(의류)하고 가격경쟁력을 확보하여 스크린과는 전혀 다른 음성주문 분야에서도 어떤 상품을 노출할지에 대한 고민 자체를 없앴음. 새롭게 선보인 대시 완드는 프라임 회원 기준 가격이 20불에 불과해 경쟁기기들과는 상대가 안될 정도로 저렴할 뿐만 아니라, 첫 주문시 아마존에서 캐시백으로 20불을 되돌려주기 때문에 실질적으로는 공짜. 그러나 좀 더 확장된 쇼핑음식 배달, 콜택시, 여행정보 등에 있어서는 16년 10월 선보인 구글 홈에 보다 많은 기회가 있을 수도 있음. 17년 1분기 기준 구글 매출의 87%는 검색광고 수익. 구글이 그동안 구축한 광범위한 검색 쿼리를 성공적으로 음성 인터페이스로 옮겨갈 수 있다면 구글의 검색광고 불패 신화는 이어질 것이다. 구글 홈에는 아직 직접적 광고가 없지만, 곧 광고를 탑재할 것이라는 추측이 일반적. 단, 구글에는 세가지 위험이 있다.
첫째, 음성기기를 통한 광고 기회는 스크린을 통해 다양한 정보를 한꺼번에 눈으로 확인하는 PC나 모바일에 비해 양적으로 적을 수밖에 없다.
둘째, 이미 광고시장을 장악하고 있는 구글로서는 음성광고가 자사의 PC나 모바일 광고를 잠식할 가능성을 배제할 수 없다.
셋째, 미녀와 야수 광고소동에서 알 수 있듯이 음성 인식기기에서 나오는 광고를 이용자들이 불쾌하거나 거추장스럽게 받아들이는 경우, 아예 해당 기기를 사용하지 않거나 경계하는 결과를 가져올 수 있다.

- 우리나라 세대별 특징
(1) 베이비붐세대 (55-63년 출생)
* 국민소득 100불 이하의 시대적 상황
* 대다수가 성장과정에서 빈곤, 군사문화, 분단과 냉전을 경험
* 마지막 주산세대, 컴맹 1세대
* 현재 우리 사회 상위 리더계층
* 19년부터 은퇴가 본격화하면서 경제활동 인구가 줄어드는 추세
(2) X세대 (60년대중반~70년대후반 출생)
* 청소년기에 6.10 민주화항쟁을 경험, 민주화 시기에 성장
* 물질적, 경제적 풍요 속에서 성장
* 90년대 오렌지족으로 불리는 독특한 문화 형성
* 93년 아모레화장품 트윈엑스의 광고로 X세대=신세대로 사용됨
(3) 밀레니얼 세대 (80년대 초반~2000년대 초반 출생)
* 대부분 베이비붐 세대의 자녀들
* IT에 능통하고 대학진학률이 높음
* 청소년기부터 인터넷을 접해 모바일과 SNS 이용에 능숙
* 고용감소, 일자리 질저하 등 악조건 속 사회진출
* 결혼과 내집 마련을 포기하거나 미루는 경향
- 중국에 새로운 무기와 문명이 발생할 때마다 서구대륙에서 탄생한 과학기술이 엄청난 힘을 발전시킬 때마다 변방의 작은 나라였던 우리는 엄청난 좌절과 고통을 맛봐야 했따. 이미 대륙은 새로운 문화와 문명을 선택했다. 미국에서 시작된 이 문명은 중국을 휩쓸고 동남아로 번진 지 모래. 그리고 그 신문명은 우리 시장에도 깊숙이 들어옴. 해외에서 신문명을 경험한 사람들은 이제 소비자에게 새로운 선택권을 달라고 강력히 주장. 역사의 발전에는 예외가 없고 인류의 자발적 선택에 기반한 진화에는 역변이 없다. 그것이 글로벌 시장 변화가 전하는 혁명의 메시지다.
- 밀레니얼 세대는 나이가 어리다고 해서 언제나 그렇게 바보처럼 게임만 하고 시간만 낭비하는 존재가 아님. 게임을 통해 축적한 경험을 바탕으로 새로운 의미의 창조적인 일들을 찾아내기 시작한 것. 세상의 모든 사람들이 인터넷 게임기를 들고 있다면 어떤 사업을 할 수 있을까? 라는 생각은 새로운 비즈니스를 만들어내는 출발점이 됨. 그래서 가상의 세계관이 없는 기성세대의 머리로는 만들 수 없는 다양한 비즈니스 모델을 밀레니얼 세대가 만들어냄. 그 대표적 사업이 우버다. 모든 사람들에게 휴대형 인터넷 게임기가 있다면, 게임의 방식으로 택시사업을 할 수도 있겠다는 게 출발점. 08년 창업한 에어비앤비도 출발점이 같음. 에어비앤비의 시작엔 모든 사람이 스마트폰을 갖고 있다면 여행을 어떻게 바꿀 수 있을까? 집에서 놀고 있는 방을 새로운 수익원으로 만들 수 있지 않을까? 라는 고민이 있었다. 포노 사피엔스라는 새로운 인류의 사고방식과 생활방식이 적용될 수 있는 모든 것을 고민하면 시작된 사업인 것. 그러니 기성세대에게 에어비앤비는 기획부터 이해할 수 없는, 어렵고 상식적인 것으로는 말도 안되는 사업으로 들렸다.
- 지난 10년간 우버와 리프트의 성장으로 미국 택시시장은 무려 1.5배성장. 편리한 서비스에 매료된 소비자가 뜨겁게 반응하면서 만들어낸 변화임. 이 변화는 엉뚱하게도 자동차 산업을 어렵게 만들었다. 차량공유택시와 공유서비스에익숙해진 미국의 10대아 20대가 차를 구매하지 않는 것이다. 여기에다 친환경 차에 대한 수요가 늘면서 일반 자동차를 생산하는 GM의 입지가 줄어듬. 다급해진 GM은 리프트에 거액을 투자해 25년까지 무인택시를 공동개발하겠다고 선언. 자동차 제조기업에서 이제는 이동서비스를 제공하는 모빌리티 기업으로 전환하겠다고까지 이야기한 것. 생존의 전략이 무엇인지를 분명히 밝힌 셈. 이 전략을 토요타가 이어받음. 18년 토요타 CEO가 나아 "우리는 이제 모빌리티 컴퍼니"라고 선언. 실제로 토요타는 그랩에 10억불을, 또 그 이상을 디디추싱에 투자. 이들과 함께 인공지능이 운전하는 자율주행 서비스를 선도하는 기업이 되겠다고 발표. 들고 나온 미래의 차 이팔레트도 자율주행차량임. 부르면 오고, 오면 사용하고, 사용한 후 다시 보내면 스스로 돌아가는 차량이다. 이것이 미래의 자동차 트렌드임을 세계1위의 자동차 회사가 제시한 것. 다급해진 현대차는 우리나라 카셰어링 스타트업 풀러스를 포기하고 동남아 그랩에 3600억을 투자. 세계 자동차 회사들의 전략을 감안할 때, 모빌리티 컴퍼니로의 전환이 안되면 생존은 어렵다고 판단한 것임.
- 18년 GM은 추가적으로 5개의 공장을 더 폐쇄하겠다고 선언. 그만큼 기존방식의 자동차 수요가 줄어들고 있다는 의미. 우리에게는 극히 유감스러운 일이지만 자동차 업계의 모든 수정전략은 소비자의 선택에 따른 생태계 변화를 반영한 생존전략임. 더 확대해서 크게 성장하겠다는 것이 아니라 자동차 문화의 변화에 대응해 적어도 멸종하지는 않겠다는 위기대응 전략이다.
- 28년 3월 14일 조선일보에 이런 기사가 게재됨. 서울시에서 부영버스라는 저가의 대중교통 서비스를 운영하겠다고 발표하자, 인력거꾼들이 시청으로 대거 몰려들어가 항의시위를 합니다. 당시에도 서민을 보호하는 일은 중요한 정치이슈였다. 경성부는 버스사업을 백지화한다고 발표. 그러나 불과 1년 사이 택시가 증가하고 버스운행이 시작되면서 인력거꾼은 그 수가 급격히 줄어들고 결국 사라짐. 이 모든 것을 바꾼 것은 바로 소비자의 선택이었다. 새로운 문명을 경험한 인류는 그 전의 경험을 순식간에 백지화하고 신문명으로 옮겨간다. 그리고 곧 생활의 표준이 바뀜. 그 당시와 지금은 기술적 차이가 있은니 상황이 다르다고들 이야기함. 다르지 않다. 차이는 기술이 아니라 경험이다. 새로운 서비스를 경험한 포노 사피엔스들은 이제 표준을 바꾸고 있음. 인류문명의 표준이 바뀌면 그 여파는 모든 영역으로 확대됨. 안타깝지만 규제로 막아낼 수없다. 택시와 우버의 다툼은 곧 내 일자리에도 닥치게될 운명이다. 그래서 미리 많은 생각을 해야 한다. 카카오뱅크가 만들어진 지 불과 1년 사이에 680만명이 넘는 고객을 확보한 이유는 무엇일까 고민해야 함. 그 차이는 미묘하다. 늘 친숙했던 캐릭터가 귀여워서 가입했다는 사람에게 당신이 틀린 거라 이야기할 수 없다. 귀여운 캐릭터와 포노사피엔스들이 요구하던 서비스만을 담아낸 차이를 이해해야 함.
- 프랑스의 대표적 지성이자 미래학자인 자크 아탈리는 음악소비의 변화가 미래산업변화를 예측하는 가장 좋은 지표라고 이야기함. 그는 지난 30년간 이 방법을 통해 실제산업과 사회의 변화를 잘 예측하면서 유명해짐. 그의 가설은 지금까지도 잘 맞고 있다. 사실 음악은 인류의 가장 오래된, 그리고 공통적 소비재임. 거의 모든 사람들이 음악을 좋아하며, 그래서 소비량이 엄청날 뿐 아니라 그 취향도 매우 다양함. 때문에 음악산업의 변화는 모든 소비분야 중 가장 빠르게 기술을 흡수하는 분야. 80년대 이후 첨단과학이 반영된 제품의 제조기술은 음악이 선도해옴. 음악을 듣는 모든 경우를 위해 다양한 첨단 IT제품들이 등장. 집집마다 오디오는 다 있었고 길에서도 좋은 음질의 음악을 들을 수 있도록 워크맨이라는 혁신적 제품이 등장. 차에서도 오디오 시스템이 중요해졌고, 피크닉을 갈 때도 격에 맞는 제품이 필수였음. 2000년대 본격적인 인터넷 시대가 오기 전까지는 그야말로 제품의 전성시대, 제조의 전성시대였다고 할 수 있다. 소니가 세계 최고의 기업으로 성장한 것도 이때. 음악에서 비디오에 이르기까지 미디어를 소비하는 모든 기기가 첨단 IT 산업시대를 선도하며 새로운 문명을 제품으로써 만들어가던 시대였음. 음악 자체도 카세트테이프나 CD같은 제품에 담겨 팔리는 게 상식이었다. 그런데 MP3 플레이어와 아이팟이 등장하면서 음악소비의 근간이 바뀌기 시작. 음악을 듣기 위한 제품은 여전히 필요했지만, 음악자체는 제품이 아닌 디지털 플랫폼을 통해 유통되기 시작. 그리고 비즈니스의 플랫폼은 스마트폰이 탄생한지 10년 만에 더 급격하게 올라감. 이제 우리나라에서는 디지털 플랫폼에 기반한 음악소비가 표준이 되었음. 물론 아직도 CD를 사거나 LP를 사서 음악을 듣는 사람도 있지만, 마니아라 불러야 할 정도로 그 수가 감소.
- 디지털 플랫폼에 기반한 음악소비가 보편화되면서 제품산업은 몰락함. 샤프, 도시바, 제이브이씨, 산요와 같은 일본 대표적 기업도 사라짐. 그뿐이 아니다. CD를 만드는 기업, CD플레이어를 만드는 기업도 사라짐. 그러고 보니 생각도 못하는 사이 사라진 제품도 있다. VCR과 그 뒤를 이은 DVD다. 우리나라에서도 이제 DVD로 영화를 보는 사람들은 거의 사라짐. 어느새 미디어는 디지털 플랫폼을 통해 다운로드해서 소비하는 것이 상식. 음악 소비가 다른 소비문화의 변화를 미리보여주는 것이라면, 디지털 플랫폼에 기반한 소비는 거의 모든 분야로 확산될 것이 분명함. 그리고 그 속도와 확산의 범위는 엄청날 것이다. 음악소비시장을 기준으로, 오프라인 상점에서 팔리는 음반 매출의 비중과 다운로드로 소비되는 음원매출의 비중은 어느정도일까? 우리나라는 이미 음원매출이 음반매출보다 10배이상 높다. 미국은 음원매출이 약 3배정도. 일본은 아직도 음반매출이 음원보다 많음. 전 세계적으로는 18년 음원매출이 드디어 음반매출을 넘어서는 첫해로 본다. 음악소비가 디지털 플랫폼으로 옮겨가면 다른 소비도 곧 익숙해짐.
- 16년 네이버는 광고매출이 지속적으로 증가하면서, 종국엔 지상파 TV3사 그리고 신문 3700개사의 광고비를 추월함. 네이버의 영향력이 신문과 지상파 TV보다 더 커짐. 네이버가 광고의 대세가 되었다고 생각하는 사람이, 16년부터 유튜브의 사용시간도 폭발적으로증가. 18년에는 유튜브앱의 하루사용시간이 네이버에 비해 무려 2배나 많음. 명실공히 유튜브는 우리나라 미디어 소비의 대표 플랫폼이 됨
- 이런 데이터들은 무얼 의미할까? 만약 소비자를 대상으로 하는 광고를 기획한다면 TV와 신문 비중을 줄여 네이버로 이동한 후, 18년부터는 유튜브 광고를 네이버보다 2배 늘려야 한다는 것을 의미. 사실 우리나라의 많은 기업들은 이 방식을 따르지 않음. 광고주와 언론의 특수적 관계까지 감안해서 여전히 TV와 신문에 광고를 게재함. 그러나 아무래도, 그 비율은 현저히 줄긴 했다. 이제는 TV와 신문의 위기가 기업들에게도 본격화되었기 때문에 다른 곳을 배려해줄 여유가 없어진 것. 실제로 미국에서는 이미 이런 현상이 시장을 지배한지 오래되었음. 심지어 아마존은 01년부터 07년까지 TV 광고를 중단. TV광고와 매출의 연계성이 높지 않다는 테스트까지 거쳐 내린 결론이었음. TV 광고를 하면서 매출효과를 분석한 다음 ROI가 만족스럽지 않으면 비용을 축소. 동시에 구글, 페이스북, 인스타그램, 유튜브 등 온라인 매체를 통한 광고는 확대. 그리고 이 결정은 거의 모든 플랫폼기업들의 교과서가 됨. 사실 플랫폼 광고는 이미 데이터를 기반으로 움직인 지 오래임. 많은 대기업들의 광고가 기존 미디어 플랫폼에서 온라인 미디어 플랫폼으로 대거 이동했고, 또 지속적으로 이동 중임. 그런데 여기서 문제가 발생. TV 광고를 유튜브에 올려놨더니 보는 사람도 많지 않고, 광고효과도 TV에 비해서는 미미했던 것. 원인은 미디어 소비문명의 변화를 인지하지 못한 데 있었다. 포노 사피엔스들은 TV와 신문에 익숙한 세대아는 미디어 소비방식도, 콘텐츠 특성도 아주 다름. 그러니 기존방식으로 제작된 광고를 자꾸 떠먹여봤자 효과가 나지 않는 것. 이들은 무엇을 사야한다고 강요하는 광고에 대해 그리 익숙하지 않은 세대임. 광고가 매출로 이어지지 않는 이유다
- 신을 데려와라. 신은 내가 믿겠다. 신을 데려올 수 없다면 데이터를 가져와라. (제프 베조스)
- 우리가 계속 부작용만 바라보고 있다면 새로운 세대와의 갈등만 더 크게 만들 뿐. 이제 뒤를 돌아 부작용만큼 강력한 디지털 문명의 혁신성에 눈을 뜨고 새로운 기회를 찾아야 함. 어렵지만 배우고 깊은 관심으로 받아주어야 함. 특히 기성세대가 생각을 바꾸어야 함. 글로벌 시장의 문명은 이미 새로운 방향을 정했고, 우리는 미래세대를 그리로 인도할 책임이 있기 때문. 우리나라를 문명의 갈라파고스로 만들어서는 안된다. 그러기 위해서는 새로운 문명에 대한 갈등이 생길 때마다 부작용의 반대급부도 함께 생각해야 함.
- 디제이아이의 성공의 핵심은 영상의 퀄리티를 지켜주는 다양한 기술의 디테일임. 결국 스토리의 완성은 기술이 만들어낸 것. 영상의 해상도, 비행속도, 정지능력 등 수치만으로는 '환상적인 영상을 찍어내는 드론'에 대해 정의하기 어려움. 그래서 그 감성의 디테일을 이해하고 그걸 풀어낼 수 있는 엔지니어가 필요한 것. 아티스트와 함께 일할 수 있는 엔지니어가 필요함. 이제 거의 모든 제품의 개발에는 융합이 필수. 고객을 감동시킬 수 있는 스토리에서 출발해 디자이너, 엔지니어, 마케터 세일즈맨까지 모든 직원들이 디테일의 환성을 위해 집착해야 성공을 만들어낼 수 있는 시대임

- 사람들이 웹 서핑이 아닌 앱 쇼핑에 익숙해졌고, 그렇게 포털의 시대에서 앱의 시대로 이행이 시작됨. 웹 브라우저를 띄우면 첫 페이지는 하나이지만, 스마트폰의 첫 화면에는 아이콘이나 위젯이 공존할 수 있다. 이는 사대문의 권위가 무의미해지고 그 자리에 난전이 들어서 동대문시장과 남대문 시장이 생긴 것과 같이 마치 반복되는 역사적 흐름일지도 모르겠다. 신전으로 안내하기 위한 거대한 포털이 퇴색되고 그 앞에 시장이 펼쳐지던 역사의 반복은 여러 문화권에서뿐만 아니라 바로 인터넷 문화권에서도 목격하기 시작한 셈. 그러나 구글 플레이나 애플 앱스토어의 모습에서 볼 수 있듯이 성공한 스토어는 다시 포털이 되고 싶어할 것임. 초거대 메가플렉스가 그 지역으로 들어가기 위한 관문이 되는 현대사회와 마찬가지로...
- 최근 촉각 전달 시스템이 다양하게 개발되고 있다. 맥북과 아이폰에 탑재된 포스터치는 움직일 리 없는 유리가 꾹 눌린 듯한 착각을 준다. 이제 한발 더 나아가 화면에 버튼을 만지는 듯한 느낌을 줄 정도로 손가락 신경에 착각을 주는 기술이 여기저기서 개발되고 있다. 화면 속 버튼은 이제 그냥 그려진 버튼이 아니라 만져지는 버튼이 된다. 전부 감촉의 착각 더이다. 초음파 진동은 고압의 공기압을 만들거나 마찰을 일으켜 화면에 그려진 버튼에 만질 수 있는 질감을 만든다. 시각과 청각마저 결합하면 정말 그럴듯한 버튼이 되겠지요. 촉각은 이렇게 시각이나 청각처럼 마음껏 속일 수 있다. 이 기술 덕에 혁신의 물꼬가 트이고 있다. 게임 안의 물체를 만질 수 있는 촉감형 컨트롤러가 크라우드 펀딩에서 성공했다. 손에 감고 있는 촉감형 컨트롤러가 크라우드 펀딩에서 성공했다. 손에 감고만 있으면 손 근육을 전기자극으로 수축시켜 만지지 않아도 촉감을 만들어주는 기발한 착상이다. 하지만 촉각을 속이게 되는 순간 우리는 현실로 돌아갈 마지막 문을 닫는 셈이다. 총을 쏘는 느낌을 그대로 전한다. 벌레가 기어오르는 느낌도 재현한다. 그런데 그렇게 화면 속 세상의 모든 것을 만질 수 있게 되는 날, 아마 우리는 정말 만지고 싶었던 것이 있음을, 그리워 하는 감촉이 있었음을 알게 될 것이다.
- 인간이 타인을 인식하는 일은 마치 엄마의 얼굴을 보고 옹알이를 시작하는아이처럼 본능적인 일이다. 어떻게 보면 우리 사회가 직접적 대면인증을 거래의 기본전제로 삼는 경우가 많은 이유는 바로 이 본능에 대한 존중이기도 함. 미래의 시스템이 나를 알아보기 시작할 때, 나에 대해 꽤 많은 것을 알고 있을 터. 미래의 생체인식은 두 가지로 퍼져 나가고 있다. 하나는 깊은 인식, 우리의 생체신호를 더 효율적으로 자세히 가져가는 것이다. IoT 센서는 이를 일상화했는데, 점점 더 많은 내가 클라우드에 기록되는 세상이 오고 있다. 또 하나는 얕은 인식, 그냥 내 얼굴을 기억하는 정도임. 얼굴이 보이지 않는다면 특유의 걸음걸이라도, 나를 특정할 수 있는 특징을 잡고 내 동선을 알고 있다면, 내가 누그든지 내게 다양한 정보를 제공하거나 광고를 보여줄 수도 있다. 라이프스타일 인증이라고도 불릴 수 있는 이 인증은, 이미 우리가 온라인에서 웹 사이트를 돌아다닐 때 느끼고 있다. 쿠키가 우리를 기억하고, 한 번 본 상품광고가 여기저기 쫓아다니고 있다.
- 감정을 수치화하려는 시도도 있다. 어펙티바는 수백만 명의 얼굴을 분석해 감정 데이터베이스를 만들었고, 마찬가지로 얼굴에서 감정을 인지하는 스타트업이었던 이모션트는 애플에 의해 인수됨. 그 다음 해에 아이폰X에 ID와 애니모지가 등장하게 된 것을 생각해보면 그럴듯한 전개였다. 언젠가는 정량화된 우리를 지켜보던 클라우드가 표정과 행동으로 우리에게 신호를 줄지 모르겠다.
- 종래의 IT란 입찰을 통과한 큰 SI 회사에게 기업이나 관공서가 발주를 하면 이 중개업자가 속칭 벤더라 불리는 공급업자에게 납품을 받고 개발자를 투입하여 프로젝트를 마무리하는 식이었음. 그러나 이 구조는 변하고 있음. 바로 3세대 플랫폼, 혹은 제3의 플랫폼이라 불리는 거대한 흐름이 일상적 기업시장에서 목격되고 있음. 3세대 플랫폼은 모바일, 소셜, 클라우드 IoT 등 근래의 IT 혁신을 이끈 기술과 플랫폼이 이전세대와 두드러지게 다르다는 점에서 명명된 용어임.
- 메인프레임에서 시커먼 화면을 연결해 쓰던 전산이 1세대라면, PC가 보급되고 고가의 상용 데이터베이스에 중후장대한 프레임워크로 대규모 프로젝트를 하던 것이 2세대. 그러나 3세대는 오픈 소스 및 클라우드를 활용하고, 모바일, 소셜의 각종 API를 활용하여 앱과 서비스를 만든다. 2세대처럼 100여명이 2년에 걸쳐서 하던 차세대형 프로젝트가 아니라, 3명이 3개월만에 끝내는 스타트업형 프로젝트가 이 시대의 대세가 됨. 이는 IT 서비스업에도 큰 변화를 일으킴. 예전처럼 RFP에 따라 업체와 솔루션을 조달해 시스템을 만들고 그 시스템을 교육하여 끝내는 프로젝트의 가격대 성능비와 효과에 대해 사용자도 소비자도 의문을 갖게 된 것임. 이는 일상의 기술들이 IT 전문분야로 역류하는 현상 덕분. 이제 일반인이 오히려 전문업자보다도 더 많은 앱을 써보고, 신선한 기획력이 있을 수 있음. 고객의 눈높이는 높아져만 가고, 회사에서도 업무관련 앱의 사용성을 요구하곤 한다. 특히나 스마트폰을 둘러싼 플랫폼은 이제 IT 플랫폼이 아니라 기업활동의 반석, 생활의 기반이되어 가고 있음. O2O나 옴니채널 등 생활밀착형 온오프라인 융합 트렌드가 이를 증명하고 있음. 이제 이 플랫폼은 생활밀착에서 업무밀차으로 확장되고 있다. 3세대로의 점프는 메인프레임에서 유닉스 사이만큼이나 생소한 점프를 우리에게 요구할지도 모름. 1세대 주요 벤더가 IBM, 2세대 주요 벤더가 오라클이어다면, 3세대는 애플, 구글, 페이스북 등 일상 친화적 기업들임. 구글은 Go난 Dart, 페이스북은 Hack와 같은 프로그래밍 언어를 내놓을 뿐만 아니라, 각각 AngularJS나 React.js 와 같은 다양한 오픈 소스 프레임워크도 수시로 선보임. 데이터베이스도 직접 만들어서 팔지 않고 무료로 공개함. 오라클과 같은 기업이 당황할 수밖에 없다. 세상은 빠른 속도로 변하고 있다.
- 미국의 마트는 평균 89명을 고용하면서 영업이익률은 1.7%에 지나지 않는다고 함. 여기서 만약 인건비를 억제하면 영업이익률의 목표치를 20%까지 높일 수 있다는 것이 이들의 계산임. 이미 미국의 오프라인은 긴장중임. 아니 몸살을 앓기 시작했음. 세계 최대 소매업체 시어즈의 주가는 최악이고, 미국 대형 백화점 체인인 JC페니는 140여 점포를 닫을 예정. 미국 2위 소매점 타깃의 연말성적은 참혹했음. 아마존 탓은 아니겠지만, 미래를 보여주지 못한 결과임.
- 아마존은 온라인 슈퍼 아마존 프레시에 그치지 않고, 드라이브 스루처럼 차를 잠시 세우고 식료품 등을 픽업해갈 수 있는 매장인 아마존 프레시 픽업을 선보임. 소위 BOPUS(Buy online, pick up in store) 트렌드. 또한 미국 안에 오프라인 서점을 차근차근 개점하고 있음. 전국의 몰에 아마존 전자제품을 선보이는 팝업 스토어도 퍼져나가고 있음. 점점 앱을 닮아가는 현실세계, 극단적으로 자동화되는 점포, 사물인터넷과 스마트 단말들은 어느새 오프라인도 온라인처럼 만들고 있음. 정말 고객이 필요로 하고 기대하는 것을 지금 당장 부담없이 제공하는 온라인 사업자들의 입김이 커지는 시기가 본격적으로 시작되고 있음.
- GE의 경우 금속가루를 고형으로 만드는 3D 프린팅 공정으로 고열에서도 견디는 엔진부속을 만들고 있음. 지금까지 연료노들은 여러 공급업자로부터 부품을 받아 다시 조립해서 만드는 고난도의 제품이었는데, 3D프린팅을 도입하고 단일 부품으로 찍어낼 수 있게 됨. 사출 성형이나 절삭으로는 도저히 만들 수 없는 부품도 한 번에 만들 수 있음. 3D 프린터 등장 이래, 각종 부품이 점점 공장에서 만든 것 같지 않고 에일리언 우주선에서나 쓸 것 같은, 생명체가 자라난 듯한 생김새가 되고 있음. 그럼에도 품질은 오히려 좋아져서 25%나 가벼워지고 강도가 5배 높아짐. 차세대 엔진처럼 한 회사의 주요 제품에 3D 프린팅된 부품이 본격 탑재된다. 3D 프린팅은 새로운 국면으로 접어들고 있다. 지금까지는 2D 인쇄를 반복해서 3D를 만드는 것이었는데, 영화 터미네이터 액체괴물처럼 3D를 건져내는 묘기를 보이는 카본 3D라는 업체가 있다. 콘택트 렌즈 같은 산소 투과형 용기에 수지로 웅덩이를 만들고 빛과 산소로 화학반응을 일으켜 모양을 만들면서 건져 올린다. 속도도 빠르고 계단모양의 흉이 지지도 않는다.
- 스마트 팩토리는 생태계 게임이 되어가고 있다. 공장 하나가 제품을 만들어가는 단계마다 겪게 되는 고충이 소프트웨어적 면모를 발휘하는 스마트팩토리 사업기회가 될 수 있음. 어차피 혼자서는 해결할 수 없는 이 숙제를 공장 기계 각각의 모듈화를 통해 서로 통합하듯이 함께 풀어가는 것. 마치 화면에서 드래그하듯 추상화하여 시뮬레이션하고, 마지막으로 이 모든 정보가 클라우드에서 데이터로 분석됨.
- 지멘스는 마인드스피어라는 클라우드 기반 개방형 사물 인터넷 플랫폼을 만들고 있음. SAP의 HANA 클라우드를 이용하는 만큼 소프트웨어적 준비도 탄탄함. 스마트팩토리 분야는 향후 22년까지 연평균 9.3%로 성장하여 205조원 규모에 달하리하는 예측이 있다.
- 독일 제조사 하팅은 깔끔한 IoT 아이템으로 에르메스상을 수상. MICA라는 리눅스 기반 산업용 모듈 미니 컴퓨터인데 각종 공장 장비를 신경망처럼 연결되도록 도움. 친숙한 USB 인터페이스로 장비가 이어진 컴퓨터로 만듬. 공장 전체를 가상화하여 프로그래밍할 수 있게 된 것임. 초창기 스마트팩토리가 공장 자동화나 ERP 등을 적용한 IT화였다면, 이제는 설비관리 등 관리경영을 플랫폼화하려는 시도가 본격적임. 에너지 절약 등 친환경 해법 또한 더불어 주목할 만한 요소가 되고 있음.
- 스마트팩토리가 가야할 스마트함의 끝은 이정도가 아님. 궁극적 목적은 무엇을 언제 어떻게 얼마나 생산할지 경영상 판단을 하는 일. 사실 인공지능이 아니라도 궁리할 구석은 많음. 이미 십수년 전 인텔에서는 생산부와 영업부 사이에서 내부적으로 선물시장을 적용하는 아이디어를 시도한 적이 있음. 경영최적화란 경영진만이 하는 것이 아니라, 현장이 각자의 이익을 올리려는 판단 속에서 이루어지리라는 것이라는 믿음에서 시작한 실험. 이제는 경영진이나 현장 실무진뿐 아니라 공장 기계까지도 그 판단을 할 수 있는 테크놀로지가 준비된 시대. 스마트의 새로운 국면이 열린 셈이다.
- 이미 자동차 애호가에게 자동차란 그저 이동의 수단이 아니라, 카 라이프라 불릴만한 생활 그 자체임. 이동을 포함안 내가 존재하는 공간이었기에 소비문화의 장점에서 가처분 소득을 탕진하게 만든 면이 있었다. 이제 그 공간이 마치 디지털 비서가 모시는 듯한 안락한 공간으로 변모하려고 한다. 수행기사가 보좌하는 대형 고급세단은 아니라도, 살가운 디지털 플랫폼이 주는 체험 덕에 우리는 더더욱 스스로 연결되려 한다. 자동차도 이제 팔고 끝나면 그만인 공산품이 아니라, 매월 갱신을 하고 싶은, 혹은 할 수밖에 없는 서비스가 되고 있다. API 경제의 말단이 스마트폰이나 웨어러블이라면, 걸터 앉을 수 있는 자동차는API 경제로의 연결 고리가 될 것이며, 가치가 모일 수 있는 공간인 셈.
- 우버는 비트의 세계에서는 너무나 당연했던 알고리즘을 아톰의 세계에 실현하고 있음. 비트의 세계에서는 지금도 수많은 패킷들이 인터넷 라우터를 오가고 있다. 이러한 전달과 매칭의 알고리즘이 현실 세계에 적용된다면 인간과 사물의 이동 전체를 아우를 수 있기에, 벌어질 수 있는 일에 모두의 기대가 쏠리고 있다. 비슷한 사례로 코요테 로지스틱스란 회사가 있다. 10년도 안된 스타트업인데, 15년 물류거인 UPS에 2조 가까운 금액에 인수됨. 수만개에 이르는 작은 운송업자가 빈 차로 다니지 않도록 매칭해 주는 것이 본업. 오프라인에서의 디지털 중개업자를 표방하는 이런 회사들이 만약 비트가 아닌 아톰의 이동을 총괄하는 라우터의 원형이라면, 앞으로 벌어질 일은 상상을 초월할지도 모름. 이미 우버는 사람을 찾아가는 기능을 선보이기 시작. 상대에게도 앱이 깔렸다면 목적지가 그 사람이 된다.
- 스마트팩토리 발전 단계
(1) FA라는 공장 자동화 : 공장자동화는 이미 산업혁명과 함께 시작됨. 앞으로는 단일 작업의 자동화가 아니라, 전체 작업의 일관된 자동화이며, 모든 공정이 물 흐르듯 멈추지 않고 흘러가도록 자동으로 전체 최적화를 하는 것.
(2) 가시화 : 공장 플로어에서는 이미 수많은 정보가 발생하고 있음. 하지만 안타깝게도 이 소중한 정보들은 인지되지 못한 채 공중으로 흩날리고 있음. 스마트 팩토리의 다양한 솔루션들이 빅데이터와 클라우드를 플랫폼에 포함하는 이유는 온갖 데이터를 망라적으로 수집한 다음 정리하여 깔끔한 선택지를 제시하기 위해서임. 가시화를 목표로 삼는 단계에 접어든 공장에는 수많은 대시보드 스크린들이 공장 복도뿐만 아니라 경영진 스마트폰에도 펼쳐지기 시작하고 있다.
(3) 통합과 제어 : 마치 ERP로 사무 프로세스가 통합되듯, 공장의 제어계통도 가시화된 데이터를 토대로 미세제어가 가능해짐. 공장에 깔린 센서가 뿜어내는 리얼타임 데이터 플로우를 관찰하다가 적시에 제어명령을 내림으로써 공장을 효율적으로 운영할 수 있음. 따라서 이 분야에서는 HMI혁신도 중요시되어, 화면없이 어떻게 사람과 소통하는 공장이 될지도 관심사임. 예컨대 조명이나 쇨로 원격 관제를 할 수 있게 하는 솔루션들이 스마트팩토리에 모이고 있음. 이미 이 단계에 접어든 역량을 갖춘 공장이라면 바로 다음단계인 자율화로 시선이 이동해 있을 것이다.
(4) 자율화 : IoT는 그저 센서네트워크라고 이해되기 쉽지만, 단지 이들 센서가 데이터를 모으는 것뿐만 아니라 지능형 IoT 디바이스가 되어 서로 실시간으로 협조하면서 현장에서 내릴 수 있는 판단을 바로 내릴 수 있게 됨. 주위 환경으로부터 학습하여 환경에 적응하는, 일종의 지능화가 바로 이 단계에서 가능해짐. 예를 들어 과거의 불량이력과 환경변수를 전부 학습한 상태라면, 컨베이어 벨트에서 나오는 소음이나 진동만으로도 불량을 예측할 수도 있음. 기존 자동화와의 차이는 비용을 줄일 수 있다는 것. 인건비뿐 아니라 오류가 날 환경을사전에 교정하는 등 예방적 관리를 가능하게 함으로서 경영리스크를 줄임. 기계 스스로 열화를 감지하는 것과 같이 공장 플로어에서의 방대한 데이터를 토대로 스스로의 안녕을 꾀하기도 함. 공장이 멈췄을 때의 손실을 막는 일처럼 확실한 수익제고 활동은 없다. 스스로를 돌볼 줄 하는 공장의 최우선 과제는 바로 멈추지 않는 것임. 설비종합효율을 스스로 계산하여 예측활동을 하는 공장도 이제는 꿈은 아니다. 인공지능 덕에 인간의 역할은 유사시 개입, 아니면 최종결정과 책임부여의 책무로 줄어들고 있음.
(5) 플랫폼화 : 생산량와 생산품목을 포함한 경영상 판단을 현장에서 스마트하게 하는 일, 이것이야말로 이상적 스마트팩토리의 최종적 모습, 바로 관리경영의 플랫폼화임. 공장마다 지금까지는 복잡하거나 비용구조가 맞지 않아서 감행할 수 없었던 안건이 있다. 하나하나 개별적으로 처리해야만 했던 생산방식의 경우 숙련공이나 경험자가 부족해 물량을 받지 못해서 기회를 흘려보냈다. 하지만 모듈을 조합해서 소프트웨어를 만들 듯, 공장 또한 API를 오픈해서 외부모듈을 결합할 수도 있고, 심지어 인공지능에 의해 도움을 받을 수도 있다. 발주량과 같은 동향마저 예측하여 최적화된 생산설비를 구성하고 제안할 수도 있다.

- 글로벌 기업이 AI를 도입하는 방식은 여러 형태. 가장 보편적 방식은 현재 프로세스를 리뷰하고, AI로 자동화하거나, 개선할 수 있는 부분을 발견하고 실제 작은 규모의 실험을 통해 증명한 후 목표에 도달하는 순서로 실행하는 것. 준비단계에서는 기업 내부적으로 경영진과 각 조직의 부문장이 모임. 고객과 직접적 접점이 있는 사업부서나 인사부서 같은 관리부서 모두 해당함. 각 부문장은 부서 직원들로부터 핵심 업무와 관련 없는 행정적 업무, 반복적 업무, 불필요한 업무에 관한 불만사항을 수집함. 경영진은 부서단위로 AI 기반으로 업무를 추진할 때 이득이 있다고 생각하는 부서를 결정함. 후보군을 추리면서 동시에 각 프로세스에 대한 본격적 리뷰를 시작.
- 데이터 사이언티스트는 각 부서 실무자들과 만나 실제 비즈니스 프로세스를 파악하기 시작함. 워크숍을 진행하고, 각 비즈니스별로 하루에서 이틀 동안 실제 업무가 이루어지는 모습을 직접 관찰함. 현업부서는 부서장과 시니어 구성원 1-2명이 참여해 실제 일상업무를 시연함. 예컨대 업무를 무슨 목적으로, 어떤 순서로, 어떤 소프트웨어를 사용해 처리하는지, 유관부서와 어떤 식으로 소통하는지, 각 순서에 드는 시간은 얼마나 걸리는지 등 질문이 오간다. 관련문서를 검토하고, 연속적으로 보이는 프로세스는 최대한 잘게 쪼개 전체 프로세스를 정리. 마지막으로 각각을 어떤 기술로 자동화할 것인지 개략적으로 청사진을 그리는 식이다.
- AI는 기업 비즈니스 프로세스를 자동화할 수 있는 멋진 기술이다. 최근 컴퓨터와 인터넷이 그런 것처럼, AI 기술은 일자리, 교육 등 사회, 경제적으로 큰 변화를 이룰 것임. AI기술의 또 다른 놀라운 점은 만들기 쉽다는 것. 대학에서 관련강좌 몇 개만 수강하면 누구나 작동가능한 AI를 구현 가능. 물론 머신러닝 알고리즘 기저에 있는 수많은 이론과 배경을 정확하게 이해하려면 시간이 필요할 것임 그러나 단지 AI를 활용하기 위한 대부분의 경우에는 이론적인 깊은 지식이 필요한 것은 아님. 우리가 컴퓨터로 업누를 처리하면서 컴퓨터 내부의 하드웨어가 어떻게 결합하고 작동하는지 알 필요가 없는 것과 같다. 자동차를 운전하려면 핸들, 브레이크, 기어조작만 알면 가능하다
- 강력한 AI 기술을 손쉽게 이용할 수 있다는 것은 다른 오해를 불러옴. AI 값이 싸다는 것이다. 대학에서 컴퓨터 사이언스 혹은 유관분야를 전공한 학생을 채용해 AI를 개발하면 마치 마법과도 같은 혁신을 이룰 수 있다는 계산을 한 것인지 기업은 너도나도 데이터 사이언티스트를 채용하기 시작. 그리고 일정 시간후 AI로 실제 기업 프로세스를 대체한다는 것은 생각보다 큰 비용이 드는 일임을 알게 된다. 그 이유는 유지, 보수 때문이다.
(1) 알고리즘 종속 : 기업의 비즈니스 프로세스는 끝없이 진화하므로 과거 데이터에 존재하는 신호의 강도와 종류도 끝없이 변화함. 문제는 AI 알고리즘에 필요한 하나의 인풋 신호 값이 더 이상 유효하지 않아도 그것을 알고리즘에서 쉽게 뺄 수 없다. 이런 변화를 AI에 적용하기 위해서는 첫째 그런 신호가 반영된 새로운 데이터가 충분히 모여야 하며, 둘째, 전체 알고리즘을 새로 만드는 과정이 필요함. 완전히 새로운 모형을 만드는 일인만큼 그에 대한 성능평가를 다시 해야 함
(2) 시스템 종속 : 대기업의 비즈니스 프로세스를 들여다보면 마치 기계로 만든 사람 같다. 많은 부분이 기계화, 자동화 되었고, 복잡한 일들은 사람이 처리하고 있다. 사람은 이미 수많은 비즈니스 어플리케이션과 상호작용하며 업무를 처리하고 있다. AI는 기업 전체적으로 보면 한 부분을 자동화하는 일에 적용하므로 다른 부분과 연결됨. 다시 말해, AI의 인풋은 다른 시스템의 아웃풋이며, AI의 아웃풋은 또 다른 시스템의 인풋이다. 문제는 앞뒤 다른 시스템은 대부분 기업용 솔루션이고, 각자 나름의 버전 업그레이드를 진행한다는 것. 기업 전체 프로세스에 많은 기업용 솔루션이 맞물려 있고, 저마다 진화하고 있다는 것을 생각하면 솔루션에 종속된 이 문제가 AI 유지 보수에 얼마나 골칫거리인지 알 수 있다.
(3) 오픈소스는 공짜가 아님 : 실제 AI를 개발하면서 수많은 오픈소스 툴을 사용한다. 문제는 이 오픈소스는 공짜가 아니라는 것. 오픈소스의 라이브러리를 한 줄이라도 사용하면 오픈 소스 정책에 따라 전체 솔루션의 소스코드를 공개해야 한다. 기업 비즈니스 프로세스를 자동화하는 AI를 공개한다는 것을 좋아할 기업이 있을까.
(4) 재교육 : 기술적 내용은 아니지만 AI로 업무 자동화를 이룬 후 기업이 가장 먼저 부딪히는 문제 중 하나임. 기업 내에는 그 비즈니스 프로세스를 책임지는 부서가 있다. 그 부서는 결국 사람들로 구성되어 있는데, AI를 도입하고 나서는 사람들이 이전과 전혀 다른 방식으로 프로세스를 수행해야 한다. 이전에는 사람의 말과 행동으로 업무통제가 가능했는데, 이제는 기계가 중심에 선 것임. 문제는 부서 책임자가 AI를 개발한 사람이 아니라는 것. 사람은 소통하며 문제를 해결할 수 있지만, AI라는 새로운 기술과 책임자가 소통으로 상호작용하는 것은 완전히 다른 이야기다. 따라서 그 부서 직원들은 반드시 재교육을 받아야 한다. 실제 돈이 오가는 프로세스라면 작은 실수가 큰 비용손실을 불러올 수 있으므로 AI를 제대로 다루고, 문제가 생겼으르 때 빠르게 해결할 수 있는 시스템을 마련해야 한다.
- 자연어 처리기술은 과거 데이터를 쪼개고, 분석하며 특정 패턴을 포착함으로써 가능함. 비즈니스 프로세스에서 키워드 조합이 어떤 형태로 사용되었는지, 모호성이 있다면 어떤 가정을 설정하고, 어떻게 해석하는지 분석하는 것이다. 자연어 처리기술은 사람의 영역이던 모호함을 해결할 열쇠를 제공했지만, 여전히 한계는 있음. 사람의 언어는 진화하기 때문. 사람의 언어가 시간에 따라 진화하는 것처럼 기업의 비즈니스도 변화함. 한 기업의 비즈니스에 따라 흐르는 언어가 변화하는 것임. 작게는 특정 부서에서 사용하는 업무용어들이 생겼다 사라짐. 또는 새로운 서비스나 제품이 비즈니스에 추가되거나 탈락함으로써 그를 둘러싼 비즈니스 용어가 바뀌기도 함. 그리고 그 변화는 시간이 지남에 따라 AI 정확성에 영향을 줌. 즉 AI도 과거 데이터를 반영하여 만들었기 때문에 변화가 발생했다면 그 변화를 AI 알고리즘에 반영하지 못할 것이기 때문. 이를 반영하기 위한 유지보수는 보통 분기에 한번, 반기에 한번, 혹은 1년에 한번 할 수 있다. 그러나 이와 같은 단순한 접근은 완벽할 수 없음. 비즈니스마다 그 변화의 속도나 폭도 제각기 다르기 때문. 어떤 프로세스는 변화의 폭이 무척 심해 한 달에 한 번 알고리즘을 조정해야 함. 또 어떤 솔루션은 그 변화가 느리거나 혹은 제한적이어서 2년에 한번으로도 충분. 중요한 것은 변화에 따라 적시에 AI 성능변화를 꾀할 수 있는가 하는 것이다.
- 머신러닝 분야 전문가가 아닌 이상 기업에서 일하는 사람도 일반 대중과 동일하게 아마존, 구글, 페이스북 같은 IT 서비스 등을 통해 AI 개념을 처음 접함. 그리도 이들은 분명 즉시 작동한다. 유튜브에서 개나 고양이가 나오는 동영상을 구별하는 것이나, 기업 인사부서에서 이메일의 중요도를 판별하는 것은 사실 기술적 관점으로 볼 때 거의 같다고 볼 수 있음. 차이점은 쉽게 일반화할 수 있는가 하는 점이다.
- AI가 찾고자 하는 고양이 특징은 누가 촬용했건 비슷할 것이다. 따라서 새로운 동영상에 새로운 고양이가 나타나도 꽤 정확하게 예측 가능. 고양이를 찾는 문제는 일반화가 가능한 영역이기 때문. 반면 한 기업의 프로세스에서 동작해야 한느 AI는 반드시 새로운 학습이 필요함. 특정 비즈니스 프로세스에서 돌아가는 용어와 규칙은 불가능한 영역이다. 예를 들어 기업의 부서 이름과 역할은 모든 회사가 다르다. 인사부서에서 이메일을 읽는 AI가 다른 회사에 가면 따로 학습해야 한다
- 구글, 페이스북 등 거대 IT 기업이 AI 분야에서 두각을 나타내고 있는 것은 분명함. 그런데 조금 들여다보면 이들 서비스는 AI를 만들기 위한 인프라에 가깝지, 실제 즉시 적용할 수 있는 형태가 아님. 즉 이 AI를 기업용 솔루션으로 가져다 쓰는 것은 불가능함. 가장 근본적 이유는 한 번도 그 기업의 데이터로 AI를 학습시킨 적이 없기 때문. 결국 기업 AI를 위한 플러그앤플레이 솔루션이 애초에 존재하지 않는 이상 가장 중요한 것은 기업 비즈니스팀과 소통하며 AI를 빠르고 효율적으로 학습시키고, 그를 프로세스 전후의 레거시 시스템과 통합할 수 있는 통합 능력이라고 할 수 있다. 효율적 기업 AI는 하나의 솔루션이 아니라, 이런저런 도구를 빠르게 맞추어보고 결합할 수 있는 작업대 위에서 이루어진다.
- 훌륭한 성능의 AI를 사용하는 것이 중요. 그러나 정확도가 89%인지, 91%인지는 비즈니스 현장에서 중요하지 않을 수 있음. 오히려 그 나머지 9%, 11%의 에러들을 잘 처리함으로써 문제를 매끄럽게 해결하는 것이 훨씬 중요. AI가 작동하는 곳이 고객센터라면 AI의 에러는 제대로된 응대를 받지 못한 고객이 될 것이고, 고객불만족이 확대재생산되며 그 기업에 큰 타격이 될 수 있음. 만약 AI가 작동하는 곳이 금융에 관련한 곳이라면 에러는 금전적 손실이 될 수도 있다. 그리고 이 과정에서 에러를 어떻게 해결할 것인가에 대한 답이 있어야 함. 그 답의 대부분은 AI 성능과는 전혀 상관없을 가능성이 높다. 시간과 노력을 퍼부어 1-2% 더 정확한 AI 기술을 만드는 것은 답이 아님. 결국 다시 사람으로 돌아가게 된다. 현재의 AI는 에러를 해결하기 위해 사람이었다면 당연히 했을 행동을 하지 못함. 사람이라면 숙련된 경험자에게 물어볼 수 있다. 또 다른 사람의 의견을 듣고, 새 가이드라인을 만들수도 있다. 그러나 AI는 사람처럼 창조적 접근을 하지 못함. 따라서 기업 AI 솔루션 프로세스 곁에 AI를 모니터링하고 백업할 수 있는 사람이 필요. 그 사람을 Human in the loop라 부름. 모호성을 다룰 수 있다는 것으로 인해 AI는 커다란 생산성 혁신의 가능성을 제시했지만, 동시에 한계를 지니고 있다.
- AI 개발을 위해서는 뒤죽박죽 뒤섞인 데이터를 정리해야 한다. AI가 최대한 많은 데이터를 학습해야 하기 때문. 대부분 AI 알고리즘을 개발하는 시간보다 학습할 데이터를 정리하는 데 시간이 더 많이 걸림. 배보다 배꼽이 큰 경우다. 그러나 이를 통해 기업은 AI 외 이득을 얻음. 데이터를 여러 차원(지역, 부서, 직급, 성별, 시간, 기간)으로 취합하고, 그 경향을 살펴봄으로써 통찰을 얻을 수 있는 이익이다. 비즈니스 프로세스 범위에서 흐르는 데이터 속 패턴을 살펴보면서 수년간 매일 처리한 업무를 다른 각도로 살펴보고, 업무의 본질을 이해할 기회를 얻는 것이다.
- 맥락을 이해하고 모호성을 다루는 것은 이제 사람을 전유물이 아님. 사람, 즉 지식 숙련 근로자들이 담당하던 비즈니스 프로세스 결과물들은 지난 수십년간 기업의 데이터베이스에 기록되어 왔다. 그것을 바탕으로 기계가 모호성에 대응할 수 있는 힘을 갖추게 되었다. 이 기술들은 사람만이 가능했던 업무를 자동화할 수 있게 하는 바탕이다. 화이트칼라 근로자들이 담당했던 일의 영역이 대량생산의 영역으로 흡수될 수 있는 기술적 토대들로 갖추어진 것이다. 비즈니스 프로세스는 그것을 수행하는 것이 사람인지 기계인지 중요치 않음. 뚜렷한 목적을 위해 디자인된 일련의 행위를 정확하고 빠르게, 그리고 더 낮은 비용으로 할 수 있는가 여부가 중요할 뿐이다.

- 아주 적은 일만 해도 만족스럽고 경건한 삶을 살 수 있음을 알고 있는가? (마르크루 아우렐리우스)
- 사람들은 대부분 조용한 절망 속에 살아간다. 그들은 실로 어떤 선택도 남아 있지 않다고 생각한다. 그러나 깨어 있고 건강한 본성은 해가 밝게 떠올랐다는 사실을 기억한다. 우리의 편견은 언제 포기해도 늦지 않다. (월든)
- 아이폰은 애초에 통화기능을 갖춘 아이팟으로 개발되었음. 우리의 핵심사명은 노래를 재생하고 통화를 할 수 있도록 만드는 일이었습니다. 그리그논이 뒤이어 설명한 바에 따르면 잡스는 처음에 아이폰이 다양한 서드파티 애플리케이션을 돌리는 휴대형 범용 컴퓨터에 가까워질 것이라는 생각을 무시했음. 잡스는 그리그논에게 "그걸 허용하면 멍청한 프로그래머가 코드를 잘못짜는 바람에 사람들이 급히 전화를 해야할 때 통화가 안 될 수도 있어"라고 말했다. 07년 아이폰이 처음 판매되었을 때는 앱 스토어도, 소셜 미디어 알림기능도, 사진을 인스타그램에 바로 보내는 기능도, 저녁을 먹는 동암 몇 번씩 흘긋댈 이유도 없었다. 그래도 스티브잡스는 전혀 신경 쓰지 않았다. 그 무렵 첫 스마트폰을 산 사람도 마찬가지였다. 페이스북 초기 사용자들을 비롯하여 이 반짝거리는 새로운 도구와 우리가 맺는 관계가 앞으로 얼마나 많이 바뀔지 예측한 사람은 거의 없었다.
- 페이스북 초대 대표인 숀 파커는 17년 가을 한 행사에서 사용자의 주의를 끌기 위해 페이스북이 기울이는 노력을 솔직하게 밝힘.
페이스북을 필두로 이런 애플리케이션을 제작할 때는 어떻게 하면 사용자들이 시간고 주의를 최대한 많이 소비하도록 만들까?를 주로 고려합니다. 그러려면 자신이 올린 사진이나 포스트를 보고 누군가 좋아요를 누르거나 댓글을 달아서 약간의 도파민이 분비되도록 만들어야 합니다.
- 디지털 미니멀리즘 : 온라인에서 시간을 보낼 때 자신이 소중히 여기는 것들에 도움이 되며, 신중하게 선택한 소수의 최적화된 활동에 초점을 맞추고 다른 모든 활동은 기꺼이 놓치는 기술활용 철학
- 디지털 미니멀리즘의 원칙
(1) 잡다함은 대가를 수반한다. 디지털 미니멀리스트는 너무 많은 기기, 앱, 서비스에 시간과 주의를 분산해서 얻는 개별적이고 작은 혜택보다 부정적 비용이 더 크다는 사실을 안다.
(2) 최적화는 중요하다. 자신이 중시하는 가치를 뒷받침하는 특정기술만 선택하는 일은 첫단계일 뿐이다. 디지털 미니멀리즘의 잠재적 혜택을 온전히 누리려면 그 기술을 어떻게 활용할지 신중하게 생각해야 한다.
(3) 계획성은 만족감을 안긴다. 디지털 미니멀리스트는 신기술을 계획적으로 활용하는 데서 상당한 만족감을 얻는다. 이 만족감의 원천은 특정한 결정과 무관하며, 디지털 미니멀리즘이 대단히 큰 의미를 제공하는 아주 중요한 이유중 하나다.
- 내가 숲으로 들어간 이유는 나의 의지대로 살기 위해서, 오직 삶의 근본적 실체만을 접하고 거기서 교훈을 얻을 수 있을지 알아보며, 죽을 때 인생을 제대로 살지 못했다는 사실을 깨닫지 않기 위해서다. (데이비드 헨리 소로)
- 최신 앱이나 서비스가 제공하는 작은 혜택에 유혹당하면 우리가 가진 가장 중요한 자원, 바로 삶의 시간이라는 비용을 잊어버리기 쉽다. 그래서 소로의 경제학은 지금 의미가 대단히 크다. 그로는 소로의 특이성을 이렇게 설명
소로와 관련하여 두드러진 점은 주장하는 내용이 아니다. 어차피 고대의 현자들도 이미 물질적 소유를 멸시하는 태도를 드러냈다. ... 소로에게 인상적인 것은 주장의 형식이다. 소로는 계산에 깊이 집착한다. ... 그는 계속 계산하고 계량하라고 말한다. 정확하게 무엇을 얻고 잃는지 따지라고 말한다.
계산에 대한 소로의 집착은 디지털 분산에 상충적 면이 들어있다는 모호한 주관적 인식을 넘어 사실을 정확하게 바라보도록 만듬. 그는 삶의 시간을 분명하고 가치있는 대상, 우리가 가진 가장 가치있는 대상으로 대하라고 요구한다. 또 다양한 활동을 하기 위해 삶에서 얼마나 많은 시간을 들이는지 항상 살피라고 요구한다. 이런 관점에서 우리의 습관을 바라보면 소로가 당대에 내렸던 것과 같은 결론에 이르게 된다. 삶의 시간을 분산하는 잡다한 활동비용을 합하면 각 활동이 약속하는 작은 혜택을 훌쩍 넘어설 수 있다는 결론 말이다.
- 아미시 교도는 기술을 활용하지 않기로 결정한 데서 잃는 혜택보다 확고한 의도를 갖고 기술을 활용하는 데서 얻는 혜택을 더 중시함. 그들은 의도가 편의성보다 중요하다는 데 도박을 걸어쓰며, 이 베팅은 보상을 안기는 듯 하다. 아미시 교도들은 미국에서 200년에 걸쳐 급격한 근대화와 문화적 격변이 일어나는 동안에도 비교적 안정된 공동체를 유지. 위협과 차단을 동원해 구성원들을 바깥세상으로부터 고립시키려는 일부 종교집단과 달리 아미시 교도들은 지금도 럼스프린가라는 의식을 실행. 이 의식은 열여섯 살이 된 아미시 청소년들이 집을 떠나 공동체의 제약을 받지 않고 바깥세상을 체험하도록 허용. 그들은 바깥세상을 접한 후 아미시 교회의 세례를 받을지 직접 결정함. 한 사회학자의 계산에 따르면 아미시 청소년이 럼스프린가 이후에도 아미시 공동체에 남는 비율은 80%에서 90%에 이름. 그러나 아미시를 의미있는 삶의 사례로서 너무 멀리 밀어붙이지는 말아야 함. 각 아미시 공동체를 이끄는 규율, 이른바 오드넝은 대개 종신직인 주교와 목사 두명 그리고 부제가 결정하고 집행함. 1년에 두번 실시되는 마을 행사에서 오드넝에 대해 이의를 제기하고 합의를 구할 수는 있다. 그러나 여성을 비롯한 많은 구성원은 그 과정에서 소외되기 쉽다. 이처럼 아미시는 확실한 의도를 갖고 기술을 활용하는 것이 가치의 독립적 원천이 될 수 있음을 보여준다. 다만 아미시 공동체의 권위주의적 분위기를 제거해도 그 가치가 여전히 보존될지에는 의문이 남는다. 다행히 그렇다고 믿을만한 근거들이 있다.
- 인간의 모든 문제는 홀로 방 안에 조용히 앉아 있지 못하는 데서 기인한다. (파스칼)
- 우리는 고독 속으로 들어설 때 외로움도 떨쳐낸다. (웨델 베리)
- 우리는 메인에서 텍사스까지 전신선을 깔려고 급히 서두른다. 그러나 메인과 텍사스 사람들은 딱히 서로에게 전달할 중요한 말이 없을지도 모른다.
- 아이세대가 겪는 고통은 고독 결핍의 위험을 강력히 경고. 그들은 혼자 생각하는 시간을 뜻하지 않게 제거한 후 심각한 정신건강 문제에 시달렸다. 돌이켜보면 그럴만도 하다. 그들은 감정을 처리하고 이해하는 능력, 자신이 누구이고 무엇이 실로 중요한지 성찰하는 능력, 끈끈한 인간관계를 맺는 능력을 잃었다. 심지어 뇌에서 사회적 기능을 담당하는 회로의 전원을 꺼두는 방법까지 잃었다. 이 회로는 원래 종일 가동하지 말아야 한다. 그래야 거기에 필요한 전력을 다른 중요한 인지적 작업으로 돌릴 수 있다. 이처럼 여러 기능에 문제가 생겼으니 고장이 날 수밖에 없다.
- 연구자들은 피실험자들에게 수학문제를 풀게 한 다음 PET 스캐너로 뇌의 활동을 관찰. 그들은 문제 사이에 휴식시간을 3초 주었을 때도 여전히 디폴트 네트워크가 활성화되어 간극을 메운다는 사실을 확인. 즉, 사회적 세계에 대해 생각하려는 욕구는 일종의 반사작용가 같았다. 이런 사실은 인간의 행복에 사회적 유대가 지니는 근본적 중요성을 말해줌. 리버먼이 말한 대로 "수백만 년에 걸쳐 우리 뇌는 자유시간에 삶과 무관한 일을 하도록 진화하지 않았다." 그러나 디폴트 네트워크가 이야기의 전부는 아니다. 리버먼과 동료 연구자들이 추가 연구로 확인한 바에 따르면 진화는 다른 주요 계통도 사회적 욕구를 뒷받침하도록 만들어 사회성의 중요도에 큰 베팅을 했다.
- 사회적 유대가 끊어지면 신체적 통증을 유발하는 계통이 활성화됨. 가족의 죽음이나 연인과 결별, 심지어 사회적 무시조차 통증을 주는 이유가 거기에 있다. 다른 간단한 실험에서는 일반 진통제가 인간관계에 따른 고통도 완화한다는 사실이 밝혀짐. 통증 계통은 우리 행동을 이끄는 힘을 지닌다. 따라서 통증 계통이 사회적 삶과 연계된다는 사실은 사회적 관계가 우리 종의 성공에 얼마나 중요한지 말해준다.
- 09년 겨울 페이스북 홍보대사 케이시 챈이 좋아요 기능을 도입한 사실을 알리면서 올린 글을 보면 그 동기가 비교적 소박하다. 케이시의 설명에 따르면 많은 페이스북 포스트에 붙는 댓글 중 다수는 대단해요! 나 마음에 들어요! 등 거의 같은 내용으로 되어 있음. 좋아요 버튼은 포스트에 대한 호감을 쉽게 표현하는 수단으로 도입되었다.
- 좋아요 기능은 소박하게 출발했지만 곧 페북이 가끔 확인하는 재미있는 오락물에서 사용자들의 시간과 주의를 지배하는 디지털 슬롯머신으로 자신을 재구축하는 토대가 됨. 이 버튼은 사회적 인정을 니타내는 지표가 예측할 수 없는 방식으로 접수되는 풍부한 새로운 흐름을 만들었다. 그에 따라 계정을 계속 확인하고 싶은 엄청나게 매력적인 충동이 생겨남. 또 이 버튼은 페이스북에서 사용자가 무엇을 선호하는지 훨씬 자세하게 알려줌. 페이스북의 기계학습 알고리즘은 사용자 반응에서 통계치를 구하여 표적형 광고와 흥미로운 콘텐츠로 유도함. 물론 다른 주요 소셜 미디어도 거의 모두 프렌드시프와 페이스북을 뒤따라 비슷한 원클릭 호감표시기능을 서비스에 추가. 그러나 여기서는 좋아요 버튼이 소셜미디어 기업에 안긴 호재에 초점을 맞추고 싶지 않다. 그 대신 좋아요 버튼이 진정한 대화에 대한 인간적 필요에 끼친 해악에 초점을 맞추고 싶다. 정보이론의 정확한 정의에 따르면, 좋아요 버튼을 누르는 것은 정보가 가장 적게 담긴 소통유형으로서 수신자에게 송진자의 상태에 대해 겨의 1비트의 정보만 제공한다.
- 인간의 뇌가 대면교류에서 창출되는 다량의 정보를 처리하도록 진화했다는 광범위한 연구결과를 인용했다. 이 풍부한 정보량을 1비트로 대체하는 것으 방대한 사회적 정보를 처리할 수 있는 뇌를 모독하는 일이다. 이는 페라리를 몰고 제한속도로만 달리는 수준을 넘어 노새로 페라리를 끄는 수준에 가깝다. 이 실천지침은 앞선 설명에 기초해 현재 소셜 미디어 세계에 여러 형태로 만연한 원클릭 호감표시 기능을 다시 생각하도록 권장함. 이 기능들을 친구에게 호감을 표시하는 재미있는 수단이 아니라 의미있는 사회생활을 하려는 시도를 망치는 장애물로 대하라. 간단히 말해서 아예 쓰지 마라. 좋아요를 누르지 마라. 절대로. 또한 소셜 미디어 포스트에 댓글을 남기지 마라. 멋지다고 말하지 말고 침묵을 지켜라. 클라크의 놀라운 지적에 따르면 소셜 미디어 서비스는 혜택을 즉각 안기기는 한다. 그러나 사용자가 거기에만 매달리면 생산성과 생활만족도에 미치는 전반적 영향은 크게 마이너스가 될 수밖에 없다. 다시 말해 매일 페이스북 같은 서비스에 시간을 낭비하면 페이스북 같은 대기업을 결코 만들 수 없다.
- 페이스북 같은 기업들은 이 목적을 이루려고 주의공학이란 분야를 개척. 그들은 심리적 취약점을 공략해 사용자들이 의도한 것보다 훨씬 오래 소셜미디어 서비스를 이용하도록 만드는 방법을 찾아냄. 현재 평균적 사용자는 매일 50분을 페이스북을 하는 데 쓴다. 여기에 다른 소셜 미디어 서비스와 사이트까지 더하면 그 시간은 훨씬 증가. 사용자들이 이처럼 충동적으로 소셜미디어에 매달리게 된 것은 우연이 아니라 디지털 주의 경제를 운용하는 근본적 전략의 결과다. 이런 구조를 계속 유지하려면 사람들이 자기 휴대전화 사용양상을 비판적으로 보지 않도록 만들어야 한다. 그래서 페이스북은 근래에 자신의 서비스를 전기나 이동통신 같은 필수기술, 모두가 사용하지 않으면 안되는 기술 인 것처럼 제시. 이런 보편적 위상은 페이스북에 대단히 이상적이다. 확실한 혜택을 내세우지 않아도 사용자들을 붙잡아둘 수 있기 때문. 모호한 분위기는 사람들이 정해진 목적없이 서비스에 가입하도록 만듬. 그 덕에 주의 공학으로 사람들을 교묘하게 유인하고 착취하는 일이 한결 쉬워짐. 이런 현실은 페이스북이 5000억불이라는 어마어마한 시가총액을 유지하는데 필요한 엄청난 사용시간으로 이어짐

- 50년대 AI여명기에는 데이터도 연산력도 크게 부족했음. 그 사이 수십 년이 흐르면서 모든 것이 변화. 지금 당신의 손에 들린 스마트폰의 처리능력은 나사가 69년 암스트롱을 달로 모재기 위해 사용한 최첨간 컴퓨터보다 수백만배는 뛰어남. 그리고 인터넷은 문자, 이미지, 동영상, 클릭수, 구매, 트윗에 이르기까지 모든 종류의 디지털 데이터를 폭발적으로 증가시켰다. AI연구자 입장에서는 신경망 훈련에 필요한 데이터는 물론이고 고속 연산력을 낮은 비용에 마음껏 사용할 수 있게 된 것이다. 하지만 신경망이 할 수 있는 ㅇ리은 여전히 크게 제한돼 있었다. 복잡한 문제에 대해 정확한 결과를 얻으려면 인공신경을 효율적으로 훈련시킬 방법을 발견하지 못했다는 문제가 남아 있었다. 그러나 2000년대 중반 AI연구의 개척자 제프리 힌턴이 새로 쌓아올린 인공신경망 층을 효율적으로 훈련하는 방법을 발견하면서 기존의 틀을 깨부순 딥러닝이라는 신기술이 등장. 새훈련법을 적용한 낡은 신경망은 스테로이드를 들이마시기라도 한 듯 음성인식과 사물인식 등의 과제해결능력이 몇 배나 올라갔다. 스테로이드를 들이마신 신경망은 (현재의 딥러닝 기법) 다양한 과제에서 기존 모델들의 성적을 월등히 앞질렀다. 그러나 수십년 동안 신경망 방식을 뿌리 깊은 편견의 눈으로 바라보던 대다수 AI 연구자들은 탁월한 결과가 나왔다고 주장하는 이 변두리 집단을 여전히 무시했다. 전환점은 12년 힌턴의 연구팀인 슈퍼비전팀이 만든 신경망 프로그램이 세계 최대 이미지 인식 경영대회에서 경쟁 프로그램을 압도적으로 제치고 우승을 하면서 찾아왔다. 오랫동안 AI의 변경에서 천대받던 신경망 연구는 딥러닝이라는 새 모양으로 단장하고 하룻밤 사이에 주류로 올라섰다.
- 딥러닝의 알고리즘은 특정 도메인에서 가져온 대량의 데이터를 이용해 원하는 결과에 최적화된 결정을 내림. 깊숙이 숨은 패턴과 상관관계를 인식하는 방법을 스스로 훈련해 데이터 포인트와 원하는 결과를 연관시킨다. 이때 원하는 결과에 맞게 데이터가 라벨링되어 있으면 패턴을 찾는 과정이 한결 수월해짐. 이를테면 고양이와 고양이 아님, 클릭했음과 클리하지 않았음, 게임승리와 패배라는 식으로 라벨링하는 것이다. 그러면 딥러닝은 이런 방대한 상관관계 정보를 활용해 (상관관계의 상당수는 인간관찰자의 눈에는 보이지 않거나 무의미해 보인다) 인간보다 더 훌륭하게 의사결정을 내릴 수 있다. 이런 작업을 처리하려면 방대한 양의 관련 데이터, 강력한 알고리즘, 국지적 도메인, 구체적 목표가 필요하다. 이 중 하나라도 충족되지 않으면 효과가 나오지 않는다. 데이터가 너무 적으면 알고리즘은 충분한 예를 얻지 못한 탓에 유의미한 상관관계를 찾지 못함. 목표가 광범위하면 알고리즘은 최적화 달성에 알맞는 뚜렷한 기준점을 마련하지 못한다. 딥러닝을 다른 말로 좁은 AI라고 하는데, 특정 도메인에서 가져온 데이터를 응용해 구쳊거 결과에 맞게 최적화한다는 뜻이다. 훌륭한 능력이기는 하지만 인간이 하는 모든 일을 대신할 수 있는 다목적 기술인 일반AI와는 거리가 한참이나 멀다.
- 딥러닝을 가장 자연스럽게 응용할 수 있는 분야는 보험과 대출심사다. 차입자에 대한 유의미한 데이터가 풍부하고(신용점수, 소득, 최근 신용카드 사용액 등), 최적화해야 할 목표도 뚜렷함(연체 가능성 최소화). 여기서 한 걸음 더 나아가면 자동차가 알아서 주변 상황을 보도록 만드는 자율주행차에도 딥러닝 기술을 활용할 수 있음. 카메라 픽셀에 잡힌 패턴을 인식하고(붉은색 표시판), 이것이 무엇과 연관이 있는지 알아내고(정지 표시), 그 정보로 의사결정을 내려(브레이크를 천천히 밟음) 원하는 결과에 맞는 최적의 행동을 만드는 것(나를 가장 빠른 시간에 집까지 안전히 데려다준다)
- 사람들이 딥러닝에 그토록 흥분하는 이유는 그 핵심능력을(패턴을 인식하고 특정 결과에 최적화된 결정을 내리는 능력) 일상의 다양한 문제에 두루 응용할 수 있기 때문이다.
- AI의 최신 성과에 대한 보도기사들을 매일같이 접하다 보면 평범한 관찰자는 물론이고 전문 분석가마저도 인공지능 연구에서 하루가 멀다 하고 새 지평이 마련되고 있다는 착각을 하는 것도 당연. 이런 착각이 우리를 오도함. 인공지능계가 새롭게 선보이는 중요한 성과는 지난 십 년의 기술 돌파구를(대부분은 딥러닝이지만 강화학습과 전이학습도 있다) 새로운 문제에 응용한 것에 불과. 정상급 연구자들의 작업에는 높은 기술과 깊은 지식이 필요함. 복잡한 수학 알고리즘을 조정하고, 대량의 데이터를 처리하고, 신경망을 다양한 문제에 맞게 적응하는 능력이 필요함. 대개는 박사급 수준의 전문지식이 있어야 함. 그러나 지금의 기술발전은 딥러닝의 획기적 도약을 발판으로 삼은 점증적 향상이자 최적화이다.
- 과거에는 물리적 상품의 비중이 큰 것과 지리적 제한이라는 요소가 소비자 독점을 어느정도 막아주었다. (미국의 반독점법은 제지효과가 별로 크지 않았다.) 그러나 앞으로는 디지털 상품과 서비스가 소비자 파이에서 차지하는 비중이 커질 것이고, 자율주행트럭과 드론은 물리적 상품의 운송비용을 극적으로 낮출 것이다. 결국 여러 회사와 여러 지역에 업종의 이익을 골고루 나눠 가지는 것이 아니라, 소수 기업에 천문학적 이익이 집중되는 시대가 올 것이다. 그리고 일자리를 구하는 실직자의 줄은 더 길어질 것임.
- 수천 년 동안 중국 교육의 핵심은 주입식 암기였다. 조정의 관리가 되려면 고서를 달달 외워야 했고, 엄격한 문장과 운율에 따라 완벽한 팔고문(명, 청 시대 과거시험에 요구되는 문체)을 지을 줄 알아야 했음. 소크라테스는 제자들에게 모든 것에 질문을 던져 진실을 탐구해야 한다고 가르쳤다면, 고대 중국의 학자들은 옛 성현의 말과 행동을 그대로 따라야 한다고 가르쳤다. 있는 그대로 완벽하게 모방하는 것이 진정으로 지혜를 터득하는 바른 길이었다.
- 이베이는 언론보도를 통해 마윈에게 "공짜는 사업모델이 아니다"라며 훈계를 했음. 나스닥 상장회사로서 이베이는 매출과 이익을 지속적으로 증가시켜야 하는 압박감이 상당했음. 미국 상장회사들에게 있어 해외시장은 가외 수익의 원천이 되어줄 캐시카우일 뿐이었고, 그 가외 수익보다 더 중요하게 여기는 조건은 미국 국내시장에서의 승리였다. 실리콘밸리에서 가장 돈이 많은 전자상거래 회사는 성가시게 구는 중국 짝퉁회사의 거침없는 선전포고에 맞서 글로벌 모델에 예외를 적용할 생각이 전혀 없었다. 이 근시안적 옹고집이 중국시장에서 이베이의 앞길을 가로막음. 타오바오는 미국 거인이 보유한 이용자와 판매자를 무서운 속도로 잠식. 이베이의 시장점유율이 수직낙하하자 CEO인 메그 휘트먼은 신속하게 중국으로 날아가 실적상승을 꾀함. 아무 소용이 없자 그녀는 최종 담판을 짓기 위해 마윈을 실리콘 밸리로 초대. 그러나 마윈은 물속에 떠도는 피 냄새를 맡았고, 그는 완전한 승리를 원했따. 1년도 지나지 않아 이베이는 중국에서 철수
- 시선추적 지도는 두 이용자 집단의 검색방식에 대해 더 깊은 진실을 드러냄. 미국인들에게 검색엔진은 특정 정보를 찾는 데에만 이용하고 끝인 전화번호부 같은 도구였다. 중국인 이용자들에게 검색엔진은 쇼핑몰이었다. 다양한 제품을 알아보고, 하나하나 시험해보고, 마지막에 가서 최종구매 결정을 내리는 시장이나 다름없다. 인터넷을 처음 접하는 수천만의 중국인 이용자들에게 검색엔진은 당야한 정보를 처음으로 접하게 해주는 장소였고, 그들은 가능한 한 모든 것을 다 시험해보고 싶어했다. 이 놀랍도록 근본적인 이용자 태도의 차이를 고려하면 중국 이용자에 맞게 다양한 제품수정이 이뤄져야 마땅했다. 구글의 글로벌 검색 플랫폼에 들어간 이용자는 검색결과에 뜬 링크를 클릭하면 앞서의 검색결과 페이지를 자연스레 빠져나오게 된다. 다시 말해 중국 쇼퍼에게 구매할 상품을 하나만 고르게 하고 그런 다음 쇼핑몰을 나가라고 강요하는 것과 다름 없음. 이와 반대로 바이두는 이용자가 링크를 클릭할 때마다 브라우저 창을 새로 열었다.
- 미국 스타트업들은 자기들이 아는 것만 열심히 하려는 성향이 강함. 다시 말해 깔끔한 작업인 디지털 플랫폼을 구축해 정보교환을 돕는 일만 잘하면 된다고 생각함. 비지땀을 흘리며 일하는 소상공인들이 쓰라고 만든 플랫폼이기는 하지만, 실리콘밸리 기업들은 손에 따를 묻히는 일에 대해서는 오만한 자세로 거리를 유지했다. 그들은 최소인원만 갖춘 해커집단이 샌프란시스코의 다락방에 죽치고 앉아 10억짜리 사업을 세우는 과정을 풍자한 HBO시트콤 실리콘밸리에 나오는 방법론을 교본으로 삼고 싶어한다. 중국 테크기업들은 그런 사치를 부릴 여유가 없다. 괜찮은 디지털 제품이 나오면 언제라도 뜯어볼 준비가 된 경쟁자들이 사방이 진을 치고 있기에 그들은 몸을 움직여야 하는 작업에서도 규모와 비용효율성을 차별화요소로 사용해야 함. 그들은 사업모델에서 수익을 내기 위해 미친 듯이 현금을 써대고 저임금 배달인력에 의존. 바로 이것이 실리콘밸리 정통론에 사로잡힌 미국 분석가들이 머리를 쥐어짜도 이해하지 못하는 중국 대체 인터넷 우주의 결정적 특성임
- 중국문화는 전통적으로 부모와 상사, 스승, 정부공무원 등 자기보다 권위가 높은 사람에게 순응하고 존중을 표하는 성향이 짙음. 신산업이나 활동은 정부요직의 인물이 확실히 인정하는 말을 하기전까지는 무조건 위험한 일이고 행동이라 여겨짐. 그러나 중국 정부 지도자가 그 산업이나 행동을 국민에게 권장하면 상황이 달라짐. 사람들이 너도 마도 그 산업이나 행동에 뛰어든다. 이런 상명하달식 체계는 방임형이나 솔선형 혁신을 금지하지만, 요직인사가 보장을 하고 방향성이 정해지고 나면 사회의 모든 계층과 분야가 한꺼번에 그 행동을 하기 시작한다.
- 미국의 인터넷 기업들은 신산업에 도전할 때 보통은 가벼운 접근법을 택함. 그들은 인터넷의 근본적 힘은 정보를 공유하고 지식의 차이를 메우고 디지털 세상에서 사람들을 연결하는 데 있다고 믿음. 인터넷 기업으로서 그들은 이런 핵심강점에 주력함. 실리콘밸리 스타트업들은 정보 플랫폼을 구축하지만 실물차원의 유통은 소상공인에게 일임함. 그들이 원하는 승리방법은 참신하고 우아한 코딩으로 정보문제를 해결하고 머리싸움에서 경쟁사를 이기는 것임. 중국 인터넷 기업들은 무거운 접근법을 택함. 그들이 원하는 것은 플랫폼 구축만이 아니다. 그들은 판매자 채용과 상품 취급과 배달팀 운용과 스쿠터 공급과 스쿠터 수리와 결제관리도 다 하기를 원함. 그리고 필요하다면 채택속도를 높이고 경쟁사보다 가격을 낮추기 위해 보조금도 지원함. 중국 스타트업들에게는 일상의 작지만 기본적인(그리고 비용이 드는) 활동으로 깊이 파고들수록 카피캣 경쟁사들이 사업모델을 흉내내거나 무모한 가격 인하를 하기가 힘들다. 무거운 접근법은 튼튼한 담장을 사방에 세우고 검투사 전쟁에서 쏟아지는 경제적 출혈사태로부터 자신을 보호하는 것을 의미. 이 회사들이 싸움에서 이긴다면 경쟁사를 머리싸움에서 앞질러서이기도 하지만 거리로 나가 더 열심히 일하고 더 바쁘게 움직이고 더 많이 돈을 썼기 때문.
- 모바일 결제에서 미국과 중국의 차이가 이렇게 커진 데는 기존방식의 입지가 튼튼한 것도 한 손 거든다. 미국은 60년대의 첨단 금융기술인 신용카드와 직불카드의 편리함을 잔뜩 누리고 있다. 그리고 대가도 치르고 있다. 신용카드에서 한 단계 더 개선된 것이 모바일 결제지만, 현금에서 신용카드로 건터뛰었을 때만큼 비약적 개선은 아니다. 중국이 기존기술에서 (데스크톱 컴퓨터, 유선전화, 신용카드) 가지고 있던 약점은 이 나라가 모바일로 급속하게 갈아타면서 오히려 새로운 패러다임으로 약진하도록 도와주는 강점이 됨. 그러나 모바일로 결제로 약진하게 된 것은 약한 기존기술과 독립적 소비자 선택이 합쳐졌기 때문만은 아님. 알리바바와 텐센트는 미국 테크 기업들이 질색하는 무거운 개입의 일종인 보조금을 막대하게 풀었고, 이것은 이용자 채택을 늘림으로써 모바일 결제로 갈아타는 속도를 더 빨라지게 했다. 중국에서 차량호출앱이 처음 등장했을 대 승객들은 예약은 앱으로, 계산은 현금으로 했음. 앱에 등록된 차량은 상당수가 나이 지긋한 운전사들이 모는 전통적 택시였고, 그들은 익숙한 연금을 쉽사리 포기하지 않으려 했다. 그래서 텐센트는 위챗 지갑결제 방식을 채택하는 승객과 운전사 양쪽에게 보조금을 지급. 승객은 요금을 덜 내서 좋았고 운전사는 요금을 더 받아서 좋았다. 차액은 텐센트가 보전해줌. 프로모션에 큰 비용이 들었지만 (진짜 승차와 보조금을 노린 가자 승차 모두로 인해 비용이 증가) 텐센트는 포기하지 않음. 그 결정이 옳았다. 프로모션은 이용자 습관을 구축했고 도시 소비자 경제의 중요마디를 담당하는 택시기사들을 플랫폼으로 유인하는 효과도 발휘. 이와 대조적으로 애플페이와 구글월렛은 모바일 결제시장에 가볍게만 개입. 애플페이도 구글월렛도 이론적으로는 이용자 편의를 크게 늘리지만, 이용자에게 뇌물을 줘가면서까지 그 방시을 홍보할 생각까지는 없었음. 미국 테크거인들이 보조금 정책을 꺼리는 이유도 이해가 안가는 것은 아니다. 보조금은 분기이익을 잠식하는 데다, 이용자를 매수하는 행위는 실리콘밸리 혁신 순수주의자들의 빈정을 살 것이기 때문. 그러나 무거운 개입을 지양하는 미국 기업들의 태도에 모바일 결제 채택속도는 굼떴고 앞으로 올 데이터 중심 AI세상에서 훨씬 큰 걸림돌이 될 것임. 모바일 결제에서 얻는 데이터는 지금 사상 유례가 없을 정도로 풍부한 소비자 행동지도를 만들고 있음. 이 데이터양은 아마존 같은 전자상거래 회사나 옐프와 구글같은 플랫폼에서 이뤄지는 신용카드 구매나 온라인 활동을 통해 얻어지는 데이터 양을 훨씬 초과함. 모바일 결제 데이터는 소매와 부동산을 비롯해 무수히 많은 분야에서 AI중심 기업을 구축할 때 대단히 귀중한 가치를 발휘할 것임.
- 모든 기술혁명이 똑같은 수순을 밟는 것은 아님. 지축을 뒤흔드는 혁명이 이뤄지고 다면 무게중심은 소수의 엘리트 과학자에서 다수의 수리공 군단으로 금세 넘어감. 여기서 수리공 군단이란 과학기술을 현실의 여러 문제에 응용할 정도의 지식은 갖추고 있는 엔지니어 집단을 의미. 특히 과학적 돌파구가 주는 보상이 극소수의 연구실이나 무기체계로 집중되지 않고 사회 전체에 고루 분산될 경우에는 무게중심이 옮겨가는 속도는 더욱 빨라짐. 전력의 대중화는 그 과정을 잘 보여줌. 에디슨이 전력 상용화를 가능하게 한 이후 이 분야의 무게중심은 발명에서 실행으로 옮겨감. 수천명의 엔지니어들이 전기를 개선해 새 기기에 전력을 공급하면서 산업과정이 재편성되기 시작. 이 엔지니어들은 에디슨처럼 새 지평을 열 필요가 없었다. 그들에게는 전기를 동력원으로 바꿔서 쓸모 있고 채산성 있는 기계를 돌릴 정도의 지식만 있으면 충분했다
- 오늘날 AI실행의 시대는 후자에 해당. 최근에 AI가 해결한 문제들이 연일 기사로 보도되다 보니 우리는 아직 발견의 시대를 살고 있다고 착각한다. 다시 말해 페르미 같은 천재가 여전히 힘의 균형을 결정하는 시대에 산다고 착각. 사실상 우리 눈앞에 펼져지는 것은 딥러닝이라는 단 하나의 근본적 돌파구가 여러 다양한 문제에 응용되고 있는 세상이다. 그 과정에 필요한 사람들은 훈련된 AI과학자들이다. 그들이 이 시대의 수리공들이다. 이 수리공들은 패턴인식이라는 AI의 초인적 힘을 응용해 대출을 심사하고 차량을 운전하고 문서를 번역하고 바둑을 두고 아마존 인공지능 알레사를 실행시킴. AI시대의 페르미라 할 수 있는 제프리 힌턴, 얀 르쿤, 요수아 벤지오 같은 딥러닝 개척자들은 인공지능의 영역을 계속 넓히고 있음. 어쩌면 그들은 게임의 판도를 바구고 글로벌 기술질서를 뒤흔들 또 다른 혁신을 만들어낼 지도 모름. 하지만 그전까지 진짜 행동을 하는 사람들은 수리공들이다.
- 전력망 방식은 AI 상품화를 추진. 전력망 방식의 목표는 머신러닝이라는 전기를 하계나 개인은 무료로, 기업은 돈을 내고 사용할 수 있고 클라우드 컴퓨팅 플랫폼으로 언제든 접속할 수 있는 표준화된 서비스로 바꾸는 것. 이 방식에서는 클라우드 컴퓨팅플랫폼이 전력망이 되어 모든 데이터 문제에 대해 복잡한 머신러닝 최적화를 수행함. 플랫폼을 운영하는 구글, 알리바바, 아마존 등 거인들은 전력망을 관리하고 수수료를 징수하는 전력회사라 보면 된다. 전력망에 가입하면 대규모 데이터세트를 가진 전통적 회사들은 사업을 재구성하지 않아도 AI최적화라는 전력을 쉽게 이용가능. 구글이 딥러닝을 위해 만든 오픈소스 소프트웨어 생태계인 텐서플로는 어느 정도 AI전문지식이 필요는 하짐나 이러한 전력망의 초기버전에 해당. 전력망 방식의 목표는 필요한 전문지식의 문턱을 낮추고 클라우드 기반 AI 플랫폼의 기능성은 높이는 것. 머신러닝을 이용하는 것은 가전제품 플러그를 콘센트에 꽂는 것처럼 간단하지 않고 절대 그렇게 될 일도 없지만, AI 거인들은 머신러닝 이용이 가능한 한 단순해져서 전력발전과 전력망 운영에서 수확을 거두게 되기를 희망한다.
- AI 스타트업들은 정반대의 방식을 따름. 그들은 전력망이 완전히 깔리기를 기다리기보다는 사용 용도별로 특정된 배터리식 AI 제품을 만듬. 이 스타트업들이 의지하는 것은 폭이 아니라 깊이다. 그들은 범용 머신러닝 능력을 공급하는 것이 아니라 의학적 진단, 담보제공, 자율비행 드론 운용처럼 특정 과제를 세우고 거기에 맞게 제품을 만들고 알고리즘을 훈련시킴. AI 스타트업들은 전통적 기업의 핵심적인 세부일과까지 AI 전력망에 연결할 수는 없을 것이라 믿음. 그들은 대기업들이 AI에 접속하도로 돕는 것이 아니라 AI를 이용해 이 대기업들을 파괴하기를 원함. 그들의 목표는 철저히 AI 우선인 기업을 세우고 AI시대를 위한 새로운 산업 챔피언 대열을 만드는 것이다. 전력망과 배터리 방식 중 누가 승자일지 점치기는 아직 시기상조다. 구글을 비롯한 일곱 거인들이 외부로 촉수를 서서히 뻗어나가고 있다면, 미국과 중국의 스타트업들은 미개척지를 재빨리 선점하고 일곱 거인들이 침입하지 못하도록 단단히 요새를 쌓아 올리고 있다
- 1차 AI 물결은 인터넷 이용자가 데이터를 브라우징하면서 자동적으로 라벨링을 한다는 점을 이용. 기업 AI는 전통적 기업들 역시 수십 년 동안 방대한 데이터를 자동으로 라벨링하고 있었다는 사실을 이용함. 예를 들어 보험사들은 사고보상을 처리하고 사기를 가려내며, 은행들은 채무를 발행하고 상환율을 문서화하고, 병원은 생존률 기록을 보관한다. 이 모든 행동이 라벨링된 데이터를 (일련의 특징과 유이미한 결과의 연결) 만들지만, 최근까지 대다수 전통 기업들은 데이터를 가지고 더 좋은 결과를 뽑아내지는 못했다. 기업 AI는 육안과 인간 뇌로는 간파하지 못하는 데이터베이스의 숨은 상관관계를 캐낸다. 기업 AI는 조직에서 일어난 모든 역사적 결정과 결과를 다 활용해서 데이터에 라벨링을 하고 알고리즘을 훈련시킨다. 이렇게 훈련된 알고리즘은 가장 숙련된 인간 실무자보다 일을 더 잘할 수 있는데, 그 이유는 인간은 강한 특징에 기반해 예측을 하기 때문. 다시 말해 특정 결과와 상관관계가 높고 대부분 인과관계도 뚜렷한 데이터 포인트 몇 가지를 추렴해서 예측을 하기 때문. 예를 들어, 누군가의 당뇨병 발병 가능성을 예측할 때는 몸무게와 체질량 지수가 강한 특징이 됨. AI 알고리즘도 이런 강한 특징을 고려하는 것은 맞지만, 다른 수천가지 약한 특징도 감안한다. 약한 특징이란 결과와 관련이 없어보이지만, 수만가지가 합쳐지면 예측에 중요한 변수가 될 만한 변두리의 데이터 포인트를 의미함. 인간으로선 이 미묘한 상관관계를 인관관계로서 설명하기가 거의 불가능함. 이를테면 수요일에 대출을 받은 사람들의 상환률이 더 빠른 이유는 무엇인가? 와 같은 것들이다. 그러나 알고리즘은 이런 약한 특징들 수천가지와 강한 특징들을 합치고, 여기에 인간의 뇌로는 이해가 안되는 복잡한 수학관계식까지 사용하기 때문에 분석작업이 필요한 비즈니스 과제에서 최고 실력을 뽐내는 사람들보다 더 뛰어난 실력을 발휘할 수 있음. 이런 최적화 작업은 유의미한 사업결과에 대한 대량의 정형 데이터가 있는 산업에서 진가를 발휘. 여기서 정형 데이터라는 것은 범주로 나눠지고 라벨링이 돼 있어도 검색도 가능한 데이터를 말함. 비즈니스 부문의 정형 데이터의 가장 좋은 예로는 역사적 주가 데이터, 신용카드 데이터, 담보대출 부도율 데이터 등이 있음.
- 3차AI 물결은 말하자면 널리 보급된 센서와 스마트 기기를 통해 AI의 이런 지각 능력이 우리가 사는 환경 구석구석으로 연장되고 확장되면서 주위 세상 전체를 디지털화하는 것을 의미. 스마트 기기들이 우리의 물리적 세상을 디지털 데이터로 바꾸면 딥러닝 알고리즘이 데이터를 분석하고 최적화함. 아마존 에코는 집안의 오디오 환경을 디지털화하고 있다. 알리바바의 시티 브레인은 카메라와 사물인식 AI로 도심 교통흐름을 디지털화함. 애플의 아이폰 X와 광스커지의 카메라는 우리의 얼굴을 디지털화한 지각 데이터를 스마트폰이나 디지털 지갑의 보안장치로 사용한다.
- 중국의 테슬라 방식. 인구 13.9억이고 하루 교통사고 사망자수가 26만명인 나라를 다스리는 중국 정부의 심리에는 완벽한 것이 좋은 것의 적이 되게 해선 안된다는 생각이 깔림. 다시 말해, 중국 지도자들은 완벽한 자율주행차량이 등장하기를 기다리기보다는 통제된 환경에서 제한된 자율주행 기능을 갖춘 차들을 더 많이 배치하는 방법을 찾는 쪽으로 기울 것이다. 이런 전개에서는 누적되는 데이터가 더 기하급수적으로 증가하고 여기에 힘입어 AI의 힘도 같이 발전한다는 부수효과도 따름. 이런 점증적 전개의 목표는 자율주행차량 수용이 가능한 새로운 인프라다. 이와 대조적으로 미국은 도로변경이 불가능하다고 판단하므로 기존 도로에 맞는 자율주행차량을 만들려 함. 중국에는 바꾸지 못할 것은 없다는 정서가 있고, 물론 기존도로도 포함됨. 실제로도 지방관료들은 기존 고속도로를 변경하고 화물운송패턴을 재편성하고 무인차량에 특화된 도로를 건설하는 작업을 이미 시작했음
- 실리콘 밸리 거인들인 구글과 페이스북, 우버는 자사 제품을 들고 해외시장에 직접 진출함. 그들은 하나의 글로벌 제품을 개발해 그것을 전 세계 수십억 이용자들에게 밀어붙임. 이 모아니면 도식의 시장정책은 정복이 성공하면 막대한 이익을 안겨줄 수 있지만, 반대로 빈털터리로 시장에서 퇴출당할 가능성도 아주 높다. 중국 기업들은 직접적 맞대결은 피하고 대신에 실리콘 밸리가 내리누르려 하는 아직 걸음마 단계인 현지 스타트업에 투자하는 전략을 취함. 예를 들어, 알리바바와 텐센트는 공룡기업인 아마존에 대항해 필사적으로 싸우는 인도와 동남아 토종 스타트업에 돈과 자원을 투자. 이런 전략을 취하게 된 것은 중국 국내 시장에서 단련된 경험 때문이다. 알리바바의 마윈은 오합지졸 반란군이 공격할 틈을 주지 않는 외국계 거대기업과 싸우는 것이 얼마나 위험한 일인지 잘 안다. 그래서 중국 기업들은 현지 토종 스타트업의 싹을 짓밟으면서 실리콘 밸리와도 경쟁하는 대신에, 이 스타트업들과 운명을 같이 하는 전략을 선택했다.
- 증기기관과 전력실용화는 1차 산업혁명(1750-1830)과 2차산업혁명(1870-1914)의 가장 핵심적 기반이었음. 두 범용기술이 있었기에 전통적 생산방식을 없애고 방대한 동력과 환한 조명을 제공하는 근대적 건물을 갖춘 공장시스템이 탄생할 수 있었음. 더 넓게 말하면 범용기술을 통한 전근대적 생산방식의 변화는 일종의 탈숙련화였다. 근대적 공장들은 고숙련 노동자들만이 할 수 있었던 작업(수공예 직조 등)을 넘겨받아 그 작업을 저숙련 노동자들도 할 수 있는 훨씬 단순한 작업(증기동력 직조기 작동)들로 쪼갰다. 두 기술로 말미암아 제품생산량은 크게 늘었고 가격은 현저히 낮아졌다. 고용측면에서 보면 초기의 범용기술로 조립라인 등의 프로세스 혁신이 가능해지면서 수천명의 그리고 결국에는 수억명의 농부들은 새로운 산업경제에서 생산적 역할을 맡게 되었음. 그렇다. 범용기술은 비교적 소수였던 장인들에게서 일자리를 빼앗았지만 (이들 중 일부는 러다이트가 된다) 대신에 훨씬 많은 수의 저숙련 노동자들에게는 생산성을 늘려주는 기계의 힘을 빌려 반복작업을 수행할 수 있게 해주었다. 경제파이도 전반적 생활수준도 올라갔다. 그렇다면 가장 최근의 범용기술인 정보통신기술은 어떤 영향을 미쳤는가? 정보통신기술이 노동시장과 부의 불평등에 미친 영향은 아직은 정의하기가 굉장히 모호함. 브린욜프슨과 맥아피는 '제2의 기계시대'에서 지난 30년간 미국은 근로자 생산성은 꾸준히 증가했지만 중위소득과 고용의 증가는 정체상태였다고 지적. 그들은 이 둘이 따로노는 것을 거대한 탈동조화라 부름. 생산성과 임금, 일자리가 거의 같은 보폭으로 증가했던 수십 년이 끝나고, 단단히 잘 짜여 있던 천의 올이 풀리기 시작했음. 생산성은 상승세를 멈추지 않았지만, 임금과 일자리는 제자리걸음이거나 떨어지고 있다. 이런 사태는 미국을 위시한 선진국의 경제 계층화를 이끌었고 인터넷 통신기술의 경제적 이득은 상위 1%에게 집중되고 있는 현실
- 인터넷 통신기술이 증기기관이나 전력사용과 다른 이유는 이 기술이 가진 숙련편향(skill bias) 속성에 있음. 앞의 두 범용기술이 상품생산을 탈숙련화해 생산성을 증대했다면, 인터넷 통신기술은 항상은 아니지만 고숙련자에게 숙련기술이 편향되는 성격이 강함. 디지털 통신장비를 이용하면 최고 실력자는 어렵지 않게 접근할 수 있다. 정보전파를 가로막는 장애물을 무너뜨린 인터넷 통신기술은 정상급 지식근로자에게는 힘을 키워주고 대다수를 이루는 중간 실력 근로자에게는 경제적 역할을 빼앗음. 인터넷 통신기술이 미국의 임금과 일자리를 정체시키는 데 얼마나 큰 역할을 했는지에 대해서는 의견이 분분함. 세계화, 노조의 쇠퇴, 그리고 아웃소싱도 경제학자들로서는 원인이라고 저마다 주장할 수 있는 중요한 영향을 미쳤음. 그러나 한가지는 확실해지고 있다. 범용기술이 증대한다고 해서 일자리 증가나 임금상승으로 연결된다는 보장은 없다는 것. 기술낙관론자들은 이런 우려도 러다이트 오류와 똑같은 것이라 무시할지 모르지만, 세계 최고 경제학자들은 그 반대로 주장함. 대표적 인물이 로렌스 서머스임. 그는 지난 몇 년 동안 기술변화와 고용에 대한 묻지마식 낙관론을 조심해해야 하나고 경고. 서머스는 14년 뉴욕타임즈와의 인터뷰에서 이렇게 말했다. "기술변화를 멈추려는 시도는 절대 답이 되지 못한다. 하지만 모든 것이 다 좋을 것이라거나 시장의 마법이 보증해줄 것이라는 생각에도 마찬가지로 답이 되지 못한다." 에릭 욜프슨도 "부의 창조와 일자리 창출이 점점 단절되는 추이는 향후 10년간 우리 사회가 처할 가장 큰 도전이 될 것이다"라면 비슷한 경고를 했다
- 중국의 노동시장은 자동화로 인해 고통스런 변화를 맞이하겠지만, 그런 변하는 대부분 미국 경제를 괴롭힐 대규모 실직 행렬보다 늦게 오거나 느리게 진행될 수 있음. 가장 단순하고 반복적 생산직 직업은 (품질검사와 조립라인 작업) 몇 년이면 자동화가 완료되겠지만, 나머지 육체노동 작업들은 로봇이 넘겨 받기에는 무리가 있음. 그 이유는 21세기 지능형 자동화와 20세기의 물리적 자동화가 운영방식에서부터 다르다는 데 있음. 한마디로 지능형 로봇을 개발하는 것보다 AI 알고리즘을 개발하는 것이 훨씬 쉽다. 이 주장의 핵심 논리가 되는 것은 인공지능의 정설로 자리잡은 모라벡 역설이다. 모라벡은 인공지능과 로봇공학을 연구하면서 일반적 믿음을 뒤집는 근본적 진실을 발견했따. 성인의 높은 지능과 연산력을 흉내내는 AI를 만드는 것은 상대적으로 쉽지만, 유아 수준의 지각능력과감각운동능력을 가진 로봇을 만들기는 대단히 어렵다는 것. AI는 데이터에 기반한 예측능력에서 인간과 비교도 안되는 실력을 가졌지만, 호텔 메이드가 하는 청소를 똑같이 흉내낼 수 있는 로봇은 없다. AI는 뛰어난 사고능력을 가졌지만 로봇은 손가락 하나도 제대로 움직이지 못함. 모라벡 역설은 80년대에 알려졌고 그 후로 상화잉 조금 달라졌다. 딥러닝을 장착한 기계는 음석와 시각 인식에서 초인적 지각능력을 갖추게 되었다. 그밖에도 머신러닝에서 일어난 몇 가지 획기적 발전으로 기계들은 데이터에서 패턴을 찾아내거나 결정을 내리는 등의 지능형 작업에서 성능이 크게 올랐다. 그러나 로봇의 소근육 운동기능은 여전히 인간의 발치에도 미치지 못함. AI는 바둑 세계 챔피언을 이길 수 있고 정확하게 암을 진단할 수 있지만 농담을 알아듣지는 못한다.

- 소프트웨어와 성당은 상당히 닮았다. 우리가 지어놓고 거기서 기도를 한다.
- 디지털 문화 비평가이자 게임 디자이너인 이언 보고스트는 '15년 초 '디 애틀랜틱'에 기고한 '계산의 성당'이란 제목의 글에서 소프트웨어에 대해 점점 신화적으로 접근하는 우리의 모습을 지적. 우리가 신을 알고리즘으로 대체하는 '계산적 신권정치'에 놓였다는 것.
이른바 알고리즘 문화는 물질적 현상이라기보다는 종교적 현상이며, 사람들은 과학으로 인해 종교의 영향에서 벗어났다고 말하면서도 동시에 마음속에서 신을 컴퓨터로 대체하여 간절히 빈다.
- 인류학자 브로니스와프 말리노프스키는 거의 한 세기 전에 이야기한 바와 같이 "원시 인간에게 마법은 여러 의식적 행위와 신념, 그리고 중요한 추격이나 치명적 상황이 있을 때마다 위험한 간극을 메꿔주는 확실한 정신적, 실제적 기법을 공급해주었다" 계산이 급속도로 발전하는 가운데 우리는 왠지 더욱 원시적이 되어가는 것처럼 느낀다.
- 현존하는 가장 강한 기업 상당수는 확실히 고도의 알고리즘을 문화적으로 잘 포장한 이들이다. 구글은 세계관 전체가 철저하게 알고리즘에 기반을 둔 기업의 전형적 사례로, 페이지랭크가 바로 그 알고리즘. 아마존의 혁신적 알고리즘은 계산만 하는 것이 아니라 실행계획까지 수립함으로써, 기존의 도서판매자들과의 협업으로 시작하여 결국 그들보다(나중에는 거의 모든 종류의 소비재 판매자들보다) 더 많이 판매할 방법을 찾아냈다. 페이스북은 사람들이 서로 소통할 수 있도록 세상에서 가장 성공적인 소셜 알고리즘을 개발. 이외에도 수많은 강력하고 실용적이고 수익성도 좋은 알고리즘이 지속적인 업데이트와 개선을 통해 복잡한 인간문화를 이해하고 계산해내고자 노력하는 중. 우리 대부분은 알고리즘 실용주의자들이 만든 세상에 살고 있다. 실제로 구글 같은 기업이 추구하는 목표와 스케일을 보면, 무엇이 문제인가 그리고 어떻게 해결할 것인가로 정의하는 알고리즘의 개념이 세상을 완전히 바꿀 수 있다고 믿는 것 같다. 이러한 실용주의는 나름의 변형을 통해 더욱 정교한 대응과 해답을 이끌어내기도 하고, 소통 연구가 탈러턴 길레스피가 암묵적 협상이라 칭한 것처럼 사람들로 하여금 알고리즘 시스템에 자신들을 맞추는 식으로 행동하도록 만들기도 함. 이를테면 사람드른 기계에 대고 말할 때 평소와 다르게 말하고 기계가 더 잘 이해할 수 있는 방식으로 해시태그를 업데이트하고 자신의 일에 대해 설명할 때 검색하기 쉬운 용어를 사용하려는 경향이 있다.
- 애플이 인수하기 전에는 시리가 훨씬 더 똑똑했다는 사실을 모르는 애플 유저가 많다. 시리를 처음 상품으로 개발한 스타트업이 2010년에 애플 스토어에 시리를 공개한지 수 주 만에 잡스가 그 회사 인수를 추진. 재빨리 움직인 덕에 안드로이드폰에 시리를 도입하는 목적으로 버라이즌과 계약하려는 것을 막고, 시리 팀이 이 도구를 전 세계 수백만 유저에 맞게 조정하는 과정에 착수할 수 있었으며, 이제 시리는 iOS운영체제의 핵심 인터페이슬 자리매김. 원래의 알고리즘은 수백 개의 데이터 소스와 유연하게 상호작용하면서 근처 피자맛집을 찾는 질문에 답하거나 항공편이 지연될 때 다른 교통편을 대안으로 제시하기 위해 다수의 아카이브에서 얻은 정보를 조율하도록 디자인되었다. 이러한 기능 중 일부는 시리에 다시 도입되었으나 애플과 제휴하면서 제삼자 데이터를 끌어오기 위한 계약이 어려워짐에 따라 점차 유연성이 떨어짐. 원래 버전의 시리는 때때로 욕도 하고 화도 내는 등 대화내용이 더 날카로워서, 이 부분이 잡스가 끌리게 된 부분적 이유이기도 했음. 시리는 그냥 정보를 알고 있을 뿐 아니라 알아가기도 했다.
- 현실세계의 명령을 해석하기 위한 시리의 능력은 두가지 핵심요소에 달렸다. 하나는 자연어 처리이고 다른 하나는 의미의 해석. 데이터 연결없이 시리를 사용해본 유저라면 알겠지만, 시리는 애플 서버에 연결되지 않고는 작동하지 않음. 유저가 시리에게 말을 걸 때마다 음성파일이 데이터 센터로 전송되어 음성기술 전문기업 뉘앙스에서 제공하는 분석 및 저장 서비스를 거침. 알고리즘 음성분석에서 중요한 돌파구는 복잡한 언어학적 구조, 즉 문법과 의미를 상세하게 구현하려는 노력을 버리고 말을 통계적, 확률적 문제로 다루기로 결정한 것이었다. 음성신호에서 어떤 단어가 서로 가장 빈번하게 연결되는가? 이 단어 다음에 어떤 단어가 따라올 확률이 가장 높은가? 연습용 문장으로 시험해 보거나 서비스 이용자에게 시험해 보고 그 피드백을 통해 알고리즘을 개선해 나간다. 이는 고전적 계산 실용주의자적 문제해결 방식으로, 음성언어를 다른 복잡한 시스템과 똑같이 취급하여, 언어의 늪 가운데 시험과 시행착오를 통해 유효계산 가능성 경로를 그려나가는 것이다.
- 언어를 고정된 법칙(문법)이 아니라 어느 정도 정확성을 가지고 예측할 수 있는 일련의 행동으로 인정함으로써 엔지니어는 충분한 양의 음성 데이터에 대해 통계적 음성분석을 실시하여 보편적 음성언어 모델을 만들어내고 이를 이용하여 각종 표현의 활용을 완전하게 매핑할 수 있음. 이렇게 빅데이터로 접근한다고 해도 음성언어를 정확하게 변환하는 것은 대단히 어려운 작업임. 시리의 다른 언어 버전을 공개하는 것은 유효한 기록모델 개발 여부에 달렸고, 실제로 영국식 억양, 스코틀랜드 특유의 발음, 남부 억양을 쓰는 유저의 경우 시리 사용이 원활하지 않다는 문제도 극복해야 함. 하지만 시리의 계산 백엔드가 클라우드에 기반을 두는 이상, 각각의 언어적 뉘앙스는 점점 의미 있는 통계 데이터로 축적될 것이고, 특정 단어가 반복적으로 잘못 해석되는 일련의 기록도 쌓일 것임.
- 구글을 디지털 문화의 결정권자로 바라보면, 구글이 지닌 포부는 어마어마하면서도 나름 사업적 타당성이 있다. 검색창, 지메일, 유튜브 등 기타 필수 서비스의 인터페이스는 궁극적으로 정보로 만들어진 우주에 부합하는 모델을 구성하기 위해 디자인한 기반시설을 깊숙이 감추고 있음. 구글은 2012년에 총 59개에 달하는 각기 다른 서비스의 유저정보를 통합하여 디지털 컬처의 여러 측면에 걸친 인간행동을 전체적으로 이해하려는 작업에 착수하겠다고 발표. 구글이 제공하는 다양한 서비스가 구석구석 서로 연결되어 있으므로 유저가 무엇을 하려는지에 대해 놀랍도록 정교한 모델을 개발할 수 있는 데이터는 확보되었다. 이러한 영향력에 대한 야망을 가장 잘 표현한 것은 '새로운 디지털 시대'를 저술한 에릭 슈미트다. 2010년에 슈미트 회장은 월스트리트저널과의 인터뷰에서 '대부분의 사람은 구글이 자신의 질문에 대답하기를 원하는 것이 아닙니다. 자신이 다음에 무엇을 해야할지 구글이 알려주기를 원하는 겁니다.'라고 자신의 견해를 밝힘. 알고리즘 시대에 정보에 대한 접근을 마스터한 기업에서 스타트렉 컴퓨터를 구축하고 싶어하는 기업으로의 전환을 의미하는 것이다. 기술적 지식의 축적단계에서 다음 단계로, 세계에서 가장 뛰어난 검색엔진의 형태에서 나아가 스스로 영향력을 행사하기 위한 도구와 구조를 갖춘 기술적 존재로 진화하는 것이다.
- 지식그래프가 답을 찾는 방면으로는 예술의 경지라고 한다면, 시리와 알렉사는 자연어 처리를 통한 대화쪽으로 이미 정점에 달했다. 그러나 피라미드 제일 상단에 있는 '예측'은 완전히 다른 이야기다. 이 세 용어는 백과전서의 온톨로지를 깔끔하게 재구성한다. 답을 찾는 것은 역사를 마스터하는 것이고, 대화하는 것은 이성을 마스터하는 것이며, 예측하는 것은 상상을 필요로 함. 그러나 예측을 계산적 알고리즘의 손에 맡기는 것은 완전한 지식 탐구의 더 폭넓은 기초를 흔드는 것일 수 있다. 온톨로지 계통도의 근간이 더 이상 학자와 예술가 사회에 있지 않고 주로 남성이 대다수인 엔지니어로 구성된 기업이라는 구조와 기계에 넘어간 것이다.
- 넷플릭스는 충분한 양의 고객평가와 더불어 정교하게 조율된 36쪽 짜리 가이드를 통해 1천여개의 양자, 즉 마이크로태그를 측정하여 체계적 장르 지형 속에 각 영화와 TV 프로그램의 위치를 잡아주는 식으로 모든 콘텐츠를 직접 평가 가능하다고 결론지었다. 비속어 수준, 여자 주인공 인지도, 결말의 불확실성 또는 확실성 등 각 영화와 TV 프로그램의 수십개 변수를 추적하는 방식으로 개별 영화와 TV 프로그램의 문화적 관계를 보여주는 정교한 알고리즘 모델, 계산과 문화간의 간극을 폭넓게 아우르는 모델을 만들어냈다. 넷플릭스는 (별점 다섯 개로 평가하고, 다음에 볼 작품을 순서대로 배열하는 식으로) 고객의 행동을 매우 제한했던 방식을 버리고 고객의 시청욕구에 최적화된 모델을 개발하여 유효계산가능성의 경계선을 완전히 새로 그렸다. 이 새로운 방식은 후퇴가 아니라 계산 가능한 영역을 확장하는 당찬 도약이며, 영화의 유머가 밝은 쪽인지 어두운 쪽인지 등의 복잡한 문화적 개념도 수치화할 수 있다는 선언이다. 이러한 전선의 확대를 뒷받침하는 노동은 결국 인간, 영화적 모호함 등을 단순수치로 평가하는 문화적 계산이라는 행위에 참여하는 잘 훈련된 인간의 몫이다.
- 태거가 있다는사실을 보면 계산적 효율성이라는 표면 뒤에서 컬처 머신을 뒷받침하는 인간 노동력이 블랙박스의 기어를 돌리고 있다는 것을 어렴풋이 알 수 있다. 넷플릭스는 태거들이 누구인지 비닐에 부치고 있는데, 인간이 기계를 대신한다는 것이 부끄러워서가 아니라 태거들도 블랙박스의 한 부분이기 때문. 이 하이브리드 계산 시스템, 그리고 특히 양자 이론을 다룬 36쪽짜리 가이드 내용은 회사의 귀중한 자산. 태거라는 직택은 엔터테인먼트 미디어와 테일러리즘 관리기법이 묘하게 섞여서 태거 그레그 하티에 따르면 스스로 진지하게 업무에 임하도록 하기 위해 노력해야 한다고 한다.
- 하이데거는 기술이 우주에 대해 무엇이 가능한지 그리고 무엇을 알 수 있는지에 대한 우리의 사고를 일정 틀에 집어넣으려는 경향이 있다고 주장. 망치를 보면 우리는 망치로 무엇을 두드릴 수 있는지 생각한다. 하지만 망치는 병을 따는 데도 사용할 수 있고 문이 닫히지 않도록 하는 데도 사용할 수 있으며 바람 부는 날 종이를 누르는 데도 사용할 수 있다.
- 공유경제의 중심 키워드는 상상이 아니라 신뢰다. 우버 및 공유경제를 기반으로 한 기업은 우리의 신로를 대가로 다양한 형태의 문화적, 상상적 작업을 대행함. 이들 기업이 근로자에게 요구하는 정서적 노동이 바로 그 신뢰에 부합하여 한결같이 친절한 서비스라는 브랜드 이미지를 구축함. 더 중요하게는 사람들로 하여금 알고리즘을 신뢰하라고 요구한다. 피드백과 이력검증을 통해 위험하거나 무례한 운전자를 걸러낼 것이라는 신뢰, 시스템을 통해 가장 가까이 있는 최상의 차량이 배정될 것이고 만화지도가 실제와 동일하다는 신뢰, 운전자도 공정한 대가를 받을 것이고 나도 공정한 비용을 지불할 것이라는 신뢰. 이 각각의 명제에 공감이라는 상상작업이 알고리즘에 위탁되어 있다. 우리는 택시를 어떻게 잡을지 알아볼 필요도 없고, 차량과 기사를 평가하거나 팁을 계산할 필요도 없으며, 택시 승차경험을 규정하는 소소한 관행과 공감적 순간에 얽힐 필요도 없음. 그 경험들이 갑자기 사라지는 것이 아니다. 대신 우버가 우리에게 알고리즘의 언어로 대체 공감작업을 수행하라고 요구하는 것이다. 이 작업은 일부 대놓고 요구되기도 한다. 운전자를 평가하라거나 다음 이용시 할인을 받기 위해 소셜 미디어에 경험을 공유하라거나 추가할인을 받기 위해 친구에게 서비스를 소개하라는 식이다. 다른 작업은 눈치채기 좀 더 어렵다. 서비스의 광고나 노동문화를 통해 운전자를 동료사업가, 개인주의자, 독립적 에이전트로 인정하도록 유도하는 것이 한 예다. 기업마다 이러한 인정의 각기 다른 버전을 갖고 있지만, 알고리즘에 의해 통합된 공동체를 구축하고자 한다는 점에서는 동일하다.
- 문화가 원하는 것이 무엇인가? 무한성을 이해 가능하게 만드는 것이다. 또한 항상 그런 것은 아니지만 많은 경우 질서를 창조하고자 한다. 인간으로서 어떻게 무한성을 마주하는가? 어떻게 이해불가능한 것을 이해해보고자 하는가? 목록을 통해, 분류표를 통해, 박물관의 소장품들을 통해, 그리고 백과사전을 통해서다.
백과전서파와 구글 둘 다 자신들의 프로젝트는 위계를 만드는 것이 아니라 위계를 본뜰 뿐이라고, 자신들의 지식 온톨로지는 이미 문화에 존재하는 구조를 찾기 쉽게 도와주는 보다 효과적인 지도에 불과하다고 주장할 것이다. 그렇다 하더라도, 에코가 말하는 대로 두 경우 모두 그들이 만든 구조가 순식간에 스스로 정리기제가 되어 자신들이 관찰하고자 했던 문화공간을 형성하는 결과를 낳음
- 머신러닝 연구자 페드로 도밍고스는 '마스터 알고리즘'에서 다음과 같이 이야기한다
모든 알고리즘은 인풋과 아웃풋이 있어서 데이터가 컴퓨터에 들어가면 알고리즘은 예정된 작업을 수행하고 그에 따라 결과가 도출된다. 머신러닝은 이 과정을 뒤집는다. 데이터와 결과가 들어가면 알고리즘이 바뀌어 나온다. 러너라고도 하는 러닝 알고리즘은 다른 알고리즘을 만드는 알고리즘이다.